医学 AI

MedFedPure: A Medical Federated Framework with MAE-based Detection and Diffusion Purification for Inference-Time Attacks

MedFedPure: 基于MAE检测和扩散净化的医疗联邦框架用于推理时攻击防御

Mohammad Karami, Mohammad Reza Nemati, Aidin Kazemi, Ali Mikaeili Barzili, Hamid Azadegan, Behzad Moshiri

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Max Planck Institute for Brain Research（马克斯·普朗克脑研究所在法兰克福） ； School of Computer Engineering,University of Science and Technology (IUST)（科学技术大学（IUST）计算机工程学院） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Waterloo（滑铁卢大学） 纠错

专题命中 医学数据与评测 ：MRI(summary_cn,abstract)；diagnosis(abstract)；分类 cs.LG

AI总结 提出MedFedPure框架，结合个性化联邦学习、掩码自编码器检测和自适应扩散净化，在推理时防御对抗攻击，在Br35H脑MRI数据集上强攻击下准确率从49.50%提升至87.33%，干净准确率保持97.67%。

PROMPT: A Pre-registered Randomized Protocol for Component-Level Evaluation of Clinical AI Prompts

PROMPT：临床AI提示组件级评估的预注册随机协议

Bin Hu, Avneek Sandhu, Shahryar Wasif

专题命中 医学数据与评测 ：clinical AI(title,abstract)；medical AI(abstract)；分类 q-bio

AI总结 提出PROMPT协议，通过预注册、随机化、匹配对照和拆解设计，在合成和医学图像任务中识别提示组件的有益、有害和无效效应，揭示整体提示评估遗漏的安全漏洞。

Comments 4 figures, 1 table

PHOEBI: An Open-World Benchmark for Bacterial Identification in Phase-Contrast Microscopy

PHOEBI：用于相差显微镜细菌识别的开放世界基准

Aaditya Baranwal, Md Jahid Hasan, Shruti Vyas

机构 * University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 提出PHOEBI数据集（12万张相差显微镜图像，6种杆状菌的40种组合），通过留出组合评估协议模拟开放世界场景，发现聚合器存在系统性开放世界识别失败，并设计基于锚点的轻量化解码器在未见组合上表现更优。

CourseBlueprint: A Structured Pipeline for Adaptive Pedagogical Video Generation Grounded in Course Corpora

CourseBlueprint：基于课程语料库的自适应教学视频生成的结构化流程

Md Zabirul Islam, Md Motaleb Hossen Manik, Ge Wang

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（计算机科学系，拉特格斯理工学院） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute（生物医学工程系，拉特格斯理工学院） 纠错

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

AI总结 提出CourseBlueprint流程，通过结构化教学蓝图（含先决条件图、自适应控制、参与合约）从课程语料库生成自适应教学视频，实验证明显式教学合约比表面流畅性更关键。

Dynamic Computerized Tumbling-E Testing for Temporal Reliability of Human Sequential Perceptual Decisions

动态计算机化Tumbling-E测试用于人类顺序感知决策的时间可靠性

Avneek Sandhu, Bin Hu

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 q-bio

AI总结 通过计算机化Tumbling-E任务收集人类试次级数据，包括反应时间、超时率和自适应阶梯行为，建立时间解析的感知决策基准，为与人工智能比较提供人类基线。

Comments 5 figures

Towards Transparent Mental Health Insights: An Explainable AI Model for Career-Related Depression and Anxiety Among University Students Using Structured Data

迈向透明的心理健康洞察：基于结构化数据的可解释AI模型用于大学生职业相关抑郁与焦虑

Arsham Azam, Rasikh Ali, Tayyaba Farhat, Sheeraz Akram

机构 * Faculty of Computer Science and Information Technology, The Superior University（信息科技学院，超凡大学） ； Intelligent Data Visual Computing Research (IDVCR)（智能数据可视化计算研究组） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出一种结合多模态数据和联邦学习的可解释AI框架，在隐私保护下识别大学生职业相关心理问题早期指标，模型F1达89.12%，并识别出回避直视等关键行为标记。

Comments Accepted at AHTBE 2025 Conference, published in Medical Sciences Forum (MDPI). 18 pages, 5 figures, 5 tables

Finetuning with Scientific Data Increases Hallucinations: A Multi-domain Factuality Evaluation of LLMs

使用科学数据微调会增加幻觉：LLMs的多领域事实性评估

Raia Abu Ahmad, Nikolas Rauscher, Ekaterina Borisova, Fabio Barth, Georg Rehm, Sebastian Möller

机构 * Deutsches Forschungszentrum für Künstliche Intelligenz GmbH（德国人工智能研究中心 GmbH） ； Technische Universität Berlin（柏林技术大学） ； Humboldt-Universität zu Berlin（柏林洪堡大学） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 提出SciFactCheck基准和模块化评估框架，发现科学微调模型在所有幻觉类型和科学领域上事实可靠性下降，且内部更不自信但语言更武断。

Zhinong AI: A Design-Science Study of an AI-Enabled Agricultural Decision-Support Platform for Smallholder Production

Zhinong AI：面向小农生产的AI赋能农业决策支持平台的设计科学研究

Zhaoyang Li, Jiaqi Liu, Ruijie Zhang

机构 * University of Sanya（三亚大学） ； Hebei International Studies University（河北国际关系学院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文通过设计科学研究，提出了一个集成信息推送、问答、诊断、日历管理等功能的小农决策支持平台，并构建了分层架构、闭环流程、评估指标和治理框架，为AI农业原型转化为可测试、负责任的基础设施提供了结构化研究框架。

A Correlation Aware Quantum Feature Map for Variational Quantum Classification

一种用于变分量子分类的相关感知量子特征映射

Murat Kurt

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出一种相关感知量子特征映射（CAQFM），通过多种相关性度量将特征依赖关系融入量子编码，在三个基准数据集上提升变分量子分类器的分类性能。

Comments 23 Pages, 12 figures