科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
可发现的智能体知识——智能体知识图谱能力的形式化框架（扩展版）
机构 * School of Computer Science and Informatics, University of Liverpool, UK（利物浦大学计算机科学与信息学学院） ； Open University（开放大学）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出一个四维形式化框架（语义表达性、智能体可发现性、任务相对基础性和认知信任范围），并从中推导出智能体能力概况（AAP），作为VoID和DCAT之上的语义层，支持智能体在规划时进行原则性的知识图谱选择、组合和故障诊断。
无监督多尺度诊断
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 提出多分辨率相干时空尺度分离（mrCOSTS）算法，一种无监督、层次化的自动诊断方法，用于从多尺度数据中提取相干模式，并在海表温度、神经信号和山地边界层风场等复杂数据集上展示了其有效性。
Comments SI Movies and Figures are available as Ancillary Files
中心性而非各向异性驱动多语言嵌入模型中的跨语言检索不对称性
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
专题命中 病理影像 ：pathology(abstract)
AI总结 本文通过实验证明，在多语言嵌入模型中，中心性（hubness）是导致跨语言检索不对称性的主要几何病理因素，而非各向异性、质心漂移或向量幅度，并推荐使用CSLS替代余弦相似度作为默认检索度量。
Comments 17 pages, 5 figures
标准明场显微镜中的定量三维吸收成像
专题命中 病理影像 ：pathology(abstract)
AI总结 提出定量吸收断层成像（QAT），通过对数强度空间线性反演和三维吸收光学传递函数，在标准明场显微镜上实现无标记、无干涉的三维吸收成像。
BioFact-MoE：基于生物学因子分解的混合专家模型用于肝细胞癌的视觉-语言预后建模
机构 * Department of Radiology \& Biomedical Imaging, Department of Biomedical Engineering, Department of Electrical Engineering, Department of Statistics \& Data Science Yale University, New Haven, CT, 06510, USA
专题命中 医疗多模态 ：MRI(abstract,abstract_cn)；radiology(abstract)；分类 cs.CV、cs.LG
AI总结 提出BioFact-MoE框架，通过生物学监督的混合专家模型显式分解肝脏和肿瘤因子，在肝细胞癌预后预测中提升准确性和生物学可解释性。
Comments Early accepted at MICCAI 2026
并非所有标记都同等重要：基于关键标记监督的动态上下文向量蒸馏用于长医学报告生成
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； University of Technology Sydney（技术大学悉尼分校） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Stanford University（斯坦福大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 医疗多模态 ：pathology(abstract)；分类 cs.CV、cs.LG
AI总结 提出DIVE框架，通过关键标记监督和状态条件动态引导，解决长文本生成中标记级蒸馏忽略关键标记的问题，在医学报告生成任务上取得最佳性能。
Comments Preprint. 20 pages, 6 figures
BioFormer: 通过频谱结构对齐重新思考生物医学时间序列中的跨主体泛化
机构 * College of Computer Science, Nankai University, Tianjin, China（南开大学计算机科学学院） ； College of Cyber Science, Tianjin Key Laboratory of Interventional Brain-Computer Interface（天津介入脑机接口与智能康复重点实验室） ； Intelligent Rehabilitation, Key Lab of Data（智能康复，数据实验室） ； Intelligent System Security, Frontiers Science Center for New Organic Matter, Nankai University, Tianjin, China（智能系统安全，新有机物前沿科学中心，南开大学，天津，中国）
专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG
AI总结 提出BioFormer模型，通过频谱漂移视角显式建模主体特异性变异，利用频带对齐模块和样本条件层归一化对齐频谱结构，在六个数据集上F1分数提升6%。
广泛的生物医学知识能否被情境化为基于场景的命题？
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Guangzhou University of Chinese Medicine（广州中医药大学）
专题命中 生物医学文本 ：biomedical(title,abstract)
AI总结 提出SCENE双层多智能体框架，通过迭代搜索将广泛生物医学知识转化为证据支持的场景化命题，并在临床试验和LINCS L1000研究中验证其有效性。
可扩展、节能的模拟循环计算的软硬件协同设计
机构 * University of Liège（列日大学）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 通过软硬件协同设计，利用双稳态记忆循环单元（BMRU）的离散输出抑制噪声，实现了超低功耗的模拟循环神经网络硬件。
Comments This work has been the subject of two patent applications (Numbers: EP26175243.0 and EP26175248.9)
基于多元伯努利的采样方法用于多标签数据及其在元研究中的应用
机构 * Department of Biostatistics, University of Arkansas for Medical Sciences（生物统计学系，亚拉巴马州医学科学大学） ； Arkansas Children’s Research Institute（亚拉巴马州儿童研究研究所） ； Department of Epidemiology and Biostatistics, Indiana University School of Public Health-Bloomington（流行病学与生物统计学系，印第安纳大学公共健康学院-布卢明顿分校） ； Department of Psychology, Emory University（心理学系，埃默里大学）
专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG
AI总结 针对多标签数据中标签频率差异大且存在依赖关系的问题，提出一种基于多元伯努利分布的加权采样算法，通过估计标签组合权重实现目标分布特征，并在Web of Science研究文章数据上验证了其增强少数类别代表性的效果。
宽可调谐中红外光纤反馈光学参量振荡器
专题命中 生物医学文本 ：biomedical(abstract)
AI总结 提出两种基于保偏光纤反馈腔的光学参量振荡器（OPO）变体，通过掺铒光纤或啁啾极化非线性晶体实现宽调谐、亚皮秒中红外脉冲输出，无需主动稳定，具有紧凑、鲁棒的特点。
Journal ref Photonics Research 12, 2123 (2024)
GlobalDentBench：一个用于评估牙科领域大语言模型临床推理能力并包含专家校准的多国基准
机构 * Division of Applied Oral Sciences and Community Dental Care, Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院应用口腔科学与社区牙科护理系） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） ； Department of Periodontology, Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University, Shenzhen, China（南方医科大学深圳口腔医院（平山）牙周科） ； Beijing Institute of Collaborative Innovation（北京协同创新研究院） ； Department of Orthodontics, Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University, Shenzhen, China（南方医科大学深圳口腔医院（平山）正畸科） ； Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University, Shenzhen, China（南方医科大学深圳口腔医院（平山）） ； College of Future Technology, Peking University（北京大学未来技术学院） ； Freedom AI ； New Cornerstone Science Laboratory, National Biomedical Imaging Center, State Key Laboratory of Membrane Biology, Institute of Molecular Medicine, Peking-Tsinghua Center for Life Sciences, College of Future Technology, Peking University, Beijing 100871, China（新基石科学实验室、国家生物医学成像中心、膜生物学国家重点实验室、分子医学研究院、北京大学未来技术学院、生命科学中心，北京大学，北京100871，中国） ； IDG/McGovern Institute for Brain Research, Peking University, Beijing 100871, China（IDG/ McGovern脑科学研究院，北京大学，北京100871，中国） ； Division of Oral and Maxillofacial Surgery, Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院口腔颌面外科系） ； Shenzhen Loop Area Institute（深圳河套学院） ； Department of Cancer Biology, Mayo Clinic Arizona, 5777 E. Mayo Blvd., IERB-3-504A, Phoenix, Arizona, 85054, USA（梅奥诊所亚利桑那分部癌症生物学部门，5777 E. Mayo Blvd., IERB-3-504A, Phoenix, Arizona, 85054, USA） ； Department of Conservative Dentistry, Periodontology and Digital Dentistry, LMU University Hospital, LMU Munich, Munich, Germany（慕尼黑大学医院保守牙科、牙周病学和数字牙科部门，慕尼黑，德国，慕尼黑大学） ； Division of Periodontology & Implant Dentistry, Faculty of Dentistry, The University of Hong Kong, Hong Kong, SAR, China（香港大学牙科学院牙周病学与种植牙科系，香港，中国）
专题命中 医学数据与评测 ：clinical AI(abstract)
AI总结 提出首个跨国牙科基准GlobalDentBench，包含14个专科、88个国家的8978道专家验证题目，评估三种推理层次，揭示当前大语言模型在牙科临床推理中性能随复杂度下降且存在高风险。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈