医学 AI

GMENet: Generative Mixture of Experts Network for Multi-Center Glioma Diagnosis with Incomplete Imaging Sequences

GMENet: 用于多中心胶质瘤诊断的生成式专家混合网络（不完整成像序列）

Pengfei Song, Fangjin Liu, Wenwen Zeng, Yonghuang Wu, Chengqian Zhao, Feiyu Yin, Xuan Xie, Jinhua Yu

机构 * School of Biomedical Engineering and Technology Innovation, Fudan University（复旦大学生物医学工程与技术创新学院） ； Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学脑启发智能科学技术研究院） ； Intelligent Diagnosis and Treatment Laboratory for Brain Diseases, Joint Laboratory of Neurosurgery Department of Huashan Hospital and School of Information Science and Technology, Fudan University（脑病智能诊断与治疗实验室，华山医院神经外科部门联合实验室，复旦大学信息科学学院） 纠错

专题命中 诊断辅助 ：MRI(summary_cn,abstract)；diagnosis(title,abstract)；分类 cs.CV、eess.IV

AI总结 针对临床MRI序列不完整导致数据利用率低的问题，提出GMENet，通过交叉注意力门控生成模块合成缺失序列特征，并利用动态加权专家融合模块进行多任务预测，在1241例多中心数据上使可用训练数据增加97%，且优于基于完整数据的最先进方法。

Comments IJCAI Accept

MedExpMem: Adapting Experience Memory for Differential Diagnosis

MedExpMem：适应经验记忆用于鉴别诊断

Qianhan Feng, Zhongzhen Huang, Yakun Zhu, Yannian Gu, Winnie Chiu Wing Chu, Xiaofan Zhang, Qi Dou

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；radiology(abstract)；分类 cs.CV、cs.LG

AI总结 提出MedExpMem经验记忆框架，通过存储和利用诊断失败中的判别经验，增强医学视觉语言模型的鉴别诊断能力，在放射学基准上最高提升7.0%准确率。

Comments MICCAI 2026 Early Accept. Submission Version

Classification of IED-free EEG Responses for Assisted Epilepsy Diagnosis

用于辅助癫痫诊断的无IED脑电图反应分类

Giacomo Zanardini, Ryan Moesman, Paul van der Kleij, Robert van den Berg, Justin Dauwels

机构 * Signal Processing Systems（信号处理系统） ； Delft University of Technology（代尔夫特理工大学） ； Erasmus Medical Center（埃因霍温医学中心） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG、eess.SP

AI总结 提出一种基于机器学习特征（时域、频谱、小波、连接性）和堆叠集成的流水线，对刺激期间采集的脑电图进行分类，在无IED数据上实现高AUC和BAC，表明刺激诱发电位（特别是IPS）包含有意义的判别信息。

Comments Accepted at IEEE EMBC2026

Patterns vs. Patients: Evaluating LLMs against Mental Health Professionals on Personality Disorder Diagnosis through First-Person Narratives

模式 vs. 患者：通过第一人称叙事评估大语言模型与心理健康专业人员的人格障碍诊断能力

Karolina Drożdż, Kacper Dudzic, Anna Sterna, Marcin Moskalewicz

机构 * IDEAS Research Institute（IDEAS研究 institute） ； Adam Mickiewicz University（亚当·密茨凯维奇大学） ； AMU Center for Artificial Intelligence（AMU人工智能中心） ； Poznań University of Medical Sciences（波兹南医学科学大学） ； Maria Curie-Skłodowska University（玛丽·居里-斯克洛多夫斯卡大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本研究通过波兰语第一人称自传叙事，比较了最先进的大语言模型与心理健康专业人员在边缘型人格障碍和自恋型人格障碍诊断中的表现，发现模型总体准确率更高但存在严重漏诊和偏见问题。

DDX-TRACE: A Benchmark for Medical Diagnostic Trajectories in VLMs

DDX-TRACE: 视觉语言模型中医学诊断轨迹的基准

Jiazhen Pan, Weixiang Shen, Jun Li, Julian Canisius, Felix Bitzer, Paula Roßmüller, Jiancheng Yang, Virginie Kreutzinger, Daniel Rueckert, Benedikt Wiestler

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM University Hospital（TUM大学医院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； LMU Munich（慕尼黑大学） ； Aalto University（阿尔托大学） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 诊断辅助 ：medical AI(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 提出DDX-TRACE基准，通过隐藏证据的多轮诊断轨迹评估VLM在神经放射学中的工作流质量，揭示最终诊断分数无法反映的推理缺陷。

Comments 41 pages

IVF-TQ: Calibration-Free Streaming Vector Search via a Codebook-Free Residual Layer

IVF-TQ：通过无码本残差层实现无需校准的流式向量搜索

Tarun Sharma

机构 * Independent Researcher（独立研究者） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出IVF-TQ，一种基于数据无关残差压缩层的倒排文件索引，通过固定随机旋转和预计算Lloyd-Max标量量化器实现流式向量搜索的稳定性能，无需码本训练或逐数据集位预算调整。

Semi-Parametric Bayesian Additive Regression Trees for Risk Prediction with High-Dimensional Epigenetic Signatures and Low-Dimensional Covariates

半参数贝叶斯加性回归树用于高维表观遗传特征和低维协变量的风险预测

Saurabh Bhandari, Parveen Bhatti, Brian C. -H. Chiu, Yuan Ji

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 提出半参数贝叶斯加性回归树（spBART），通过参数组件建模低维协变量以获得可解释系数，同时用树集成捕捉高维预测变量的复杂非线性关联，并开发基于交叉验证的稳定变量选择方法，在多发性骨髓瘤研究中实现高判别性能（AUC=0.96）。

Bridging AI and Clinical Reasoning: Abductive Explanations for Alignment on Critical Symptoms

弥合AI与临床推理：针对关键症状对齐的溯因解释

Belona Sonna, Alban Grastien

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文利用形式溯因解释，通过最小充分特征集提供一致且保证的推理，使AI决策与临床推理对齐，在保持预测准确性的同时提供可操作的临床见解，建立可信AI框架。

Comments The Algorithm 1 is not entirely correct and they may affect the results as well. We are restarting the experimentations and will upload the new version as soon as possible