医学 AI

An Empirical Analysis of Calibration and Selective Prediction in Multimodal Clinical Condition Classification

多模态临床状况分类中的校准与选择性预测的实证分析

L. Julián Lechuga López, Farah E. Shamout, Tim G. J. Rudner

机构 * New York University（纽约大学） ； University of Toronto（多伦多大学） 纠错

专题命中 医疗多模态 ：clinical AI(abstract)；分类 cs.LG

AI总结 本研究通过实证分析多标签临床状况分类中基于不确定性的选择性预测，发现其性能可能严重下降，原因是类别依赖的误校准，尤其对少数类别，并强调需要校准感知评估来确保临床AI的安全性。

Comments 40 pages, 14 figures, 16 tables. Accepted as a conference paper at AHLI Conference on Health, Inference, and Learning (CHIL) 2026

From Residuals to Reasons: LLM-Guided Mechanism Inference from Tabular Data

从残差到原因：基于LLM的表格数据机制推断

Mohammad R. Rezaei, Rahul G. Krishnan

机构 * Department of Computer Science（计算机科学系） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出多智能体残差上下文学习框架（MARICL），通过让LLM分析基础模型残差并迭代生成修正项，在多个科学基准上提升预测性能并实现机制泛化。

Mid-infrared single-pixel imaging via two-photon optical encoding

基于双光子光学编码的中红外单像素成像

Huijie Ma, Kun Huang, Jianan Fang, Ziyu He, Yan Liang, Heping Zeng

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出一种基于硅探测器中非简并双光子吸收的无扫描中红外单像素成像方法，利用近红外结构泵浦实现空间编码，结合压缩感知和深度学习算法在亚奈奎斯特采样和弱光条件下实现高保真图像重建，并展示了2.5-3.8 μm多光谱成像用于塑料薄膜化学鉴别。

Journal ref PhotoniX 6, 34 (2025)

A framework for extracting the rates of photophysical processes from biexponentially decaying photon emission data

从双指数衰减光子发射数据中提取光物理过程速率的框架

Jill M. Cleveland, Tory A. Welsch, Eric Y. Chen, D. Bruce Chase, Matthew F. Doty, Hanz Y. Ramírez-Gómez

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出一个包含载流子俘获和释放的模型，解释低维半导体中中性激子光致发光的双指数衰减，无需近似即可确定所有跃迁速率的似然区间，并在高温极限下给出具体速率值，优于简化模型。

MuellerPT: Decomposition Driven Pretraining for Dense Learning in Mueller Polarimetry

MuellerPT: 穆勒偏振测量中密集学习的分解驱动预训练

Adam Tlemsani, Yingdian Li, Maxime Giot, Naim Slim, Christopher J. Peters, Abhijeet Ghosh, Daniel S. Elson

机构 * Department of Computing, Imperial College London（帝国理工学院计算机系） ； Hamlyn Centre for Robotic Surgery, Imperial College London（帝国理工学院机器人外科中心） ； Department of Surgery and Cancer, Imperial College London（帝国理工学院外科与癌症系） ； Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences（中国科学院西安光学精密机械研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)；分类 cs.CV；medical image(comments)

AI总结 提出MuellerPT，一种通过预测Lu-Chipman分解图进行物理引导预训练的方法，在少样本分割和分类任务中显著提升标签效率和跨样本泛化能力。

Comments Accepted to 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2026)

Mechanistic Interpretability of EEG Foundation Models via Sparse Autoencoders

基于稀疏自编码器的脑电图基础模型机制可解释性

William Lehn-Schiøler, Magnus Ruud Kjær, Rahul Thapa, Magnus Guldberg Pedersen, Anton Mosquera Storgaard, Nick Williams, Radu Gatej, Tue Lehn-Schiøler, Andreas Brink-Kjær, Sadasivan Puthusserypady, Sándor Beniczky, James Zou, Lars Kai Hansen

机构 * BrainCapture ； DTU Health Tech（技术大学丹麦健康技术） ； DTU Compute（技术大学丹麦计算） ； Department of Biomedical Data Science（生物医学数据科学系） ； Department of Computer Science（计算机科学系） ； Seer Medical（Seer医疗） ； Filadelfia Epilepsy Hospital（菲拉德尔菲亚癫痫医院） ； University Hospital of Copenhagen（哥本哈根大学医院） 纠错

专题命中 医学数据与评测 ：pathology(abstract)；分类 cs.LG

AI总结 通过TopK稀疏自编码器从三种EEG Transformer中提取稀疏特征字典，结合临床分类法评估单语义性和纠缠性，并引入概念引导分析目标与非目标区域，揭示模型表征失败和临床纠缠问题。

Comments Preprint. 14 pages, 7 figures, 4 tables

MedSAE: Dissecting MedCLIP Representations with Sparse Autoencoders

MedSAE: 用稀疏自编码器剖析MedCLIP表示

Riccardo Renzulli, Colas Lepoutre, Enrico Cassano, Marco Grangetto

机构 * University of Turin（都灵大学） ； École polytechnique（巴黎-萨克勒高等理工学院） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 提出MedSAE方法，通过稀疏自编码器解析MedCLIP的潜在空间，结合相关性指标、熵分析和自动神经元命名框架，在CheXpert数据集上验证了比原始MedCLIP特征更高的单语义性和可解释性。

Comments Accepted at ICIP 2026