科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2026-06-17 至 2026-06-17 共收录 4 篇信号源：cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 生物医学文本 4 篇

2603.26592 2026-06-17 cs.LG cs.AI cs.HC 版本更新 79%

Evaluating Interactive 2D Visualization as a Sample Selection Strategy for Biomedical Time-Series Data Annotation

评估交互式二维可视化作为生物医学时间序列数据标注的样本选择策略

Einari Vaaras, Manu Airaksinen, Okko Räsänen

机构 * Signal Processing Research Centre, Tampere University（塔尔皮莱大学信号处理研究中心）； BABA Center, Department of Physiology, University of Helsinki（赫尔辛基大学生理学系BABA中心）

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

AI总结针对生物医学时间序列标注困难，比较随机采样、最远优先遍历和基于交互式2D可视化（2DV）的三种样本选择方法，在婴儿运动评估和语音情感识别任务中，2DV在聚合标签时表现最佳，但个体标注者间标签分布差异大，随机采样最安全。

Comments Accepted for publication in Computers in Biology and Medicine (Elsevier)

2606.17113 2026-06-17 cs.LG cs.CL 新提交 57%

The Critical Role of Model Selection in Causal Inference: A Comparative Analysis of Classification Models within the InferBERT Framework for Pharmacovigilance

模型选择在因果推断中的关键作用：基于InferBERT框架的药物警戒分类模型比较分析

Csaba Kiss, Roland Molontay, Gabriele Pergola

机构 * Department of Stochastics, Institute of Mathematics, Budapest University of Technology and Economics（布达佩斯技术与经济大学数学研究所随机学系）； Institute of Biostatistics and Network Science, Semmelweis University（塞梅维什大学生物统计学与网络科学研究所）； Department of Computer Science, University of Warwick（华威大学计算机科学系）

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

AI总结本研究在InferBERT框架下比较XGBoost、ALBERT、BioBERT和Med-LLaMA四种模型，发现领域特定预训练（BioBERT）在药物警戒因果ADE检测中优于简单基线和大型LLM，校准改善ECE但对准确率和因果发现影响不一。

Comments 10 pages, 5 figures

2606.17181 2026-06-17 stat.ME stat.AP 新提交 50%

Tropical Viterbi Tubes for Decoding Uncertainty in Hidden Markov Models

热带维特比管：隐马尔可夫模型解码不确定性

Aurélien Nicosia

专题命中生物医学文本：biomedical(abstract)

AI总结提出热带维特比管，通过容忍度阈值捕获隐马尔可夫模型中接近最优的路径不确定性，并给出精确投影算法与校准方法。

Comments 33 pages, 4 figures; supplementary material included as ancillary file; submitted to The Annals of Applied Statistics

2403.12711 2026-06-17 stat.ME math.ST stat.AP stat.TH 版本更新 50%

Tests for categorical data beyond Pearson: A distance covariance and energy distance approach

超越Pearson的分类数据检验：距离协方差与能量距离方法

Fernando Castro-Prado, Wenceslao González-Manteiga, Javier Costas, Fernando Facal, Dominic Edelmann

专题命中生物医学文本：biomedical(abstract)

AI总结针对分类变量独立性检验，提出基于距离协方差和能量距离的方法，克服Pearson卡方检验和G检验的缺陷，无需重采样即可校准零分布。

Comments 21 pages (including appendices) with 5 figures

Journal ref Biometrical Journal 68 (2026), e70129