医学 AI

Knowledge Graph Modulated Deep Learning for Limited-Sample Clinical Data Analysis

知识图谱调制的深度学习用于有限样本临床数据分析

Yuwei Xue, Sakib Mostafa, James Zou, Joseph Liao, Maximilian Diehn, Ash A. Alizadeh, Lei Xing, Md. Tauhidul Islam

机构 * Department of Radiation Oncology, Stanford University（放射肿瘤科，斯坦福大学） ； Stanford University（斯坦福大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学） ； Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学） ； Department of Biomedical Data Science, Stanford University School of Medicine（生物医学数据科学系，斯坦福大学医学院） ； Stanford Cancer Institute, Stanford University（斯坦福癌症研究所，斯坦福大学） ； Institute for Stem Cell Biology and Regenerative Medicine, Stanford University（干细胞生物学与再生医学研究所，斯坦福大学） ； Department of Medicine, Division of Oncology, Stanford University（医学系，肿瘤学分会，斯坦福大学） ； Institute of Computational and Mathematical Engineering, Stanford University（计算与数学工程研究所，斯坦福大学） 纠错

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

AI总结 提出Graph-in-Graph (GiG)框架，通过将患者表示为模块化图并整合生物知识图谱，在有限样本临床任务中显著提升预测性能。

Comments 17 pages, 4 figures, 12 supplementary figures

What Makes a Medical Checker Trainable? Diagnosing Signal Collapse and Reward Hacking in Checker-Guided RAG for Biomedical QA

什么使医学检查器可训练？诊断生物医学问答中检查器引导的RAG中的信号崩溃和奖励黑客

Yuelyu Ji, Min Gu Kwak, Hang Zhang, Xizhi Wu, Chenyu Li, Yanshan Wan

机构 * University of Pittsburgh（匹兹堡大学） 纠错

专题命中 生物医学文本 ：biomedical(title)

AI总结 本文通过比较四种NLI检查器作为GRPO训练的医学RAG代理的过程奖励，诊断了信号崩溃和奖励黑客现象，发现检查器的输出分布而非保留准确率决定了其是否提供可训练梯度，并提出了验证器作为奖励系统的边界条件。

A Statistical Framework for Model Selection in LSTM Networks

LSTM网络中模型选择的统计框架

Fahad Mostafa

机构 * School of Mathematical and Natural Sciences, Arizona State University（数学与自然科学院，亚利桑那州立大学） 纠错

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

AI总结 针对LSTM网络模型选择依赖启发式且计算昂贵的问题，提出统一统计框架，通过扩展信息准则和收缩估计到序列神经网络，定义适应时间结构的惩罚似然、广义阈值方法处理隐状态动态，并利用变分贝叶斯和近似边际似然实现高效估计，在生物医学数据上验证了灵活性和性能提升。

Systemic physiological cliff at menopause revealed by temporal deconvolution of 300 million lab tests: a multi-cohort retrospective study

通过3亿次实验室检测的时间反卷积揭示更年期系统性生理悬崖：一项多队列回顾性研究

Glen Pridham, Yoav Hayut, Noa Lavi-Shoseyov, Michal Neeman, Noa Hovav, Yoel Toledano, Uri Alon

专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio

AI总结 本研究提出一种从天文学借鉴的反卷积框架，利用大规模横截面数据重建女性更年期前后的系统性生理轨迹，发现更年期在多个生理系统（内分泌、骨骼、肝脏、肾脏、炎症和脂质）中引发阶梯式生理悬崖，且激素替代疗法可显著减弱这些突变。

Comments main text: pages 1-23, 5 figures, 1 table. supplemental: pages 24-51 8 figures, 5 tables, supplemental discussion

Infrared Single-Pixel Hyperspectral Imaging via Spatial-Temporal Multiplexing

基于时空复用的红外单像素高光谱成像

Ben Sun, Kun Huang, Zhibin Zhao, Beibei Dong, Jianan Fang, Heping Zeng

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出一种基于频谱-时间映射和空间编码压缩测量的单像素近红外高光谱成像系统，实现50个光谱波段的高光谱数据立方体重建和动态过程实时监测。

Journal ref Laser & Photonics Reviews 20, e01321 (2026)

Soft Pneumatic Actuators for Soft Robotics: A Motion-Based Review of Actuation Mechanisms and Performance Trade-offs

软体机器人中的软体气动执行器：基于运动的驱动机制与性能权衡综述

Mohammed Abboodi

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文基于运动类型（直线、弯曲、扭转、全向）分类综述软体气动执行器的设计策略，分析结构特征对运动输出、力产生、空气需求等性能的影响，并讨论选择与比较时的关键条件。

Bayesian Cluster Weighted Gaussian Models

贝叶斯聚类加权高斯模型

Panagiotis Papastamoulis, Konstantinos Perrakis

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出一类新的贝叶斯混合正态线性回归模型，通过引入预测变量分布的额外高斯随机成分，利用lasso和graphical-lasso先验分别处理回归系数和协方差结构，并采用跨维度伸缩采样器自动确定聚类数，在模拟和生物医学数据上优于EM、回归混合和专家混合方法。

Comments accepted to Journal of Classification

Journal ref Journal of Classification, 2026