医学 AI

SHERLOC: Structured Diagnostic Localization for Code Repair Agents

SHERLOC: 代码修复智能体的结构化诊断定位

Hovhannes Tamoyan, Sean Narenthiran, Erik Arakelyan, Mira Mezini, Boris Ginsburg

机构 * NVIDIA（英伟达） ； Santa Clara, CA 95051, USA（美国加利福尼亚州圣克拉拉） ； TU Darmstadt（达姆施塔特工业大学） ； National Research Center for Applied Cybersecurity ATHENE（国家应用网络安全研究中心 ATHENE） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出SHERLOC框架，通过推理LLM与紧凑仓库工具及自恢复机制，实现无需微调的结构化诊断定位，在SWE-Bench上达到最优定位精度，并提升修复率、降低令牌消耗。

FirmCure:Towards Autonomous and Adaptive Rehosting of Linux-Based Firmware

FirmCure：面向基于Linux固件的自主自适应重托管

Chuan Hong, Zheng Zhang, Lei Zhou, Laisong Li, Chenyifan Liu, Ze Huang, Xu Zhou, Peihong Lin

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出首个LLM驱动的全系统重托管框架FirmCure，通过自适应感知推理、反射合成和自主运行时干预，在10个厂商21个固件上实现100%端口开放率和90.5%服务交互性，显著优于现有方法。

The representation of Convectively Coupled Equatorial Waves and upscale energy transfer in models with explicit and parametrized convection

显式和参数化对流模型中耦合对流赤道波的表征及升尺度能量传递

E. McKinnon-Gray, D. Shipley, J. Methven, T. H. A. Frame, C. Sanchez, A. McCabe, N. M. Roberts

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 比较千米分辨率下参数化对流与允许对流模型对耦合对流赤道波（CCEWs）的模拟，发现允许对流模型模拟的升尺度能量传递更高，CCEWs更连贯，且与观测更接近。

Comments This article is in review at Journal of the Atmospheric Sciences. Copyright in this article may be transferred without further notice

Few shot chain-of-thought driven reasoning to prompt LLMs for open ended medical question answering

少样本思维链推理以提示LLMs进行开放式医学问答

Saeel Sandeep Nachane, Ojas Gramopadhye, Prateek Chanda, Ganesh Ramakrishnan, Kshitij Sharad Jadhav, Yatin Nandwani, Dinesh Raghu, Sachindra Joshi

机构 * IBM Research（IBM研究院） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出MEDQA-OPEN数据集和CLINICR提示方法，通过思维链推理提升LLMs在开放式医学问答中的表现，并引入奖励模型进行答案验证。

Comments The paper is accepted in EMNLP 2024 Findings

HiPath: Hierarchical Vision-Language Alignment for Structured Pathology Report Prediction

HiPath: 用于结构化病理报告预测的分层视觉-语言对齐

Ruicheng Yuan, Zhenxuan Zhang, Anbang Wang, Liwei Hu, Xiangqian Hua, Yaya Peng, Jiawei Luo, Guang Yang

机构 * College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； Department of Bioengineering and Imperial-X, Imperial College London（帝国理工学院伦敦校区生物工程系） ； Department of Pathology, Xiangtan Maternal and Child Health Hospital（湘潭 maternal and child health hospital pathology department） ； Department of Pathology, The First People’s Hospital of Xiangtan City（湘潭市第一人民医院病理科） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 提出HiPath框架，通过分层补丁聚合器、对比学习和槽位掩码诊断预测，在冻结UNI2和Qwen3骨干上实现结构化病理报告预测，准确率达68.9%，安全率97.3%。

Comments 10 pages, 1 figures, 3 tables

CrossFusion: A Multi-Scale Cross-Attention Convolutional Fusion Model for Cancer Survival Prediction

CrossFusion: 一种用于癌症生存预测的多尺度交叉注意力卷积融合模型

Rustin Soraki, Huayu Wang, Sitong Liu, Joann G. Elmore, Linda Shapiro

机构 * University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV、eess.IV

AI总结 提出CrossFusion多尺度特征融合框架，通过交叉注意力机制整合不同放大倍数下的病理图像块，显著提升六种癌症的生存预测准确性。

Comments Accepted at MIDL 2026

Do Foundation Models See Biology? Evaluating Attention Coherence with Spatial Transcriptomics in Glioblastoma

基础模型是否理解生物学？利用空间转录组学评估胶质母细胞瘤中的注意力一致性

Dilakshan Srikanthan, Amoon Jamzad, Paul Wilson, Nooshin Maghsoodi, Robert Policelli, Gabor Fichtinger, John F. Rudan, Parvin Mousavi

机构 * Translational Medicine, School of Medicine, Queen’s University, Kingston, ON, Canada（转化医学、医学院、皇后大学、金斯顿，ON，加拿大） ； School of Computing, Queen’s University, Kingston, ON, Canada（计算学院、皇后大学、金斯顿，ON，加拿大） ； Department of Surgery, Queen’s University, Kingston, ON, Canada（外科部门、皇后大学、金斯顿，ON，加拿大） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 提出基于空间转录组学的框架，客观评估病理基础模型注意力图与生物学的一致性，发现注意力捕捉多基因转录程序而非单个分子事件。

E-MRL: Cross-view Aligned Evidence-driven Multimodal Reinforcement Learning for Reliable 3D Tumor Analysis

E-MRL: 跨视图对齐的证据驱动多模态强化学习用于可靠的3D肿瘤分析

Sijing Li, Zhongwei Qiu, Zhuoya Wang, Boxiang Yun, Zhenyu Yi, Jianwei Xu, Wenqiao Zhang, Yingda Xia, Ling Zhang

机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； Hupan Lab（华平实验室） ； Huazhong University of Science and Technology（华中科技大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 医疗多模态 ：CT(summary_cn,abstract)；diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 提出跨视图对齐的证据驱动多模态强化学习框架E-MRL，通过将生成过程建模为“诊断-定位-验证”的马尔可夫决策过程，并引入跨视图一致性奖励，减少视觉幻觉并提升3D CT肿瘤诊断准确性。

Comments 9 pages, 2 figures

Revealing Training Data Exposure in Vision Language Large Models via Parameter Gradients

揭示视觉语言大模型中的训练数据暴露：基于参数梯度的方法

Zhihao Zhu, Hongyi Tang, Yi Yang, Ahmed Abbasi

机构 * Department of Information Systems, Business Statistics and Operations Management (ISOM), Hong Kong University of Science and Technology, Hong Kong, China（信息系统、商业统计与运营管理系（ISOM），香港科技大学，香港，中国） ； Department of IT, Analytics, and Operations, University of Notre Dame, Notre Dame, Indiana, USA（信息技术、分析与运营系，诺丁汉大学，诺丁汉，印第安纳州，美国） 纠错

专题命中 医疗多模态 ：medical image(abstract)；分类 cs.CV

AI总结 提出梯度审计框架GradAudit，通过分析模型参数梯度特征检测训练数据，在医疗和通用数据集上显著优于现有方法，并揭示现有方法低估了未经授权数据使用程度。

RetiSEM: Generalising Causal Models for Fragmented Biomedical Data

RetiSEM：泛化碎片化生物医学数据的因果模型

Inam Ullah, Imran Razzak, Shoaib Jameel

机构 * University of Southampton（南安普顿大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；medical AI(abstract)；分类 cs.CV

AI总结 提出RetiSEM框架，通过领域约束的结构方程模型从碎片化生物医学数据中恢复因果图并进行中介分析，在合成和真实数据上优于无约束基线。

Unifying Adaptive Fourier and Möbius-Based Models for Efficient and Interpretable Biomedical Signal Decomposition

统一自适应傅里叶与基于莫比乌斯的模型以实现高效且可解释的生物医学信号分解

Christian Canedo, Rocío Carratalá-Sáez, Cristina Rueda

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 eess.SP

AI总结 本文证明自适应傅里叶分解（AFD）与调频莫比乌斯（FMM）模型在数学上等价，并扩展至多通道信号，为结合AFD的计算优势与FMM的可解释性提供理论基础。

BioMedVR: Confusion-Aware Mixture-of-Prompt Experts for Biomedical Visual Reprogramming

BioMedVR: 面向生物医学视觉重编程的混淆感知提示专家混合模型

Jiaxiang Liu, Tianxiang Hu, Juwei Guan, Yujie Wu, Yusong Wang, Yao Mu, Zuozhu Liu, Mingkun Xu

机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科技研究院） ； Zhejiang University（浙江大学） ； Southeast University（东南大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute of Science Tokyo（东京科学大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出BioMedVR框架，通过可学习的VR模块实现预训练VLM在生物医学图像上的少样本适应，利用混淆最小化机制和提示专家混合模型解决细粒度分类中的类间混淆问题，在18个数据集上验证了优越性能。

Comments Accepted at ECCV 2026. 19 pages, 6 figures. Project page: https://jxliu-ai.github.io/biomedvr-page/

BioMedArena: An Open-source Toolkit for Building and Evaluating Biomedical Deep Research Agents

BioMedArena：构建和评估生物医学深度研究代理的开源工具包

Jinge Wu, Hongjian Zhou, Mingde Zeng, Jiayuan Zhu, Junde Wu, Jiazhen Pan, Ayush Noori, Sean Wu, Honghan Wu, Fenglin Liu, David A. Clifton

机构 * University of Oxford（牛津大学） ； University College London（伦敦大学学院） ； Technical University of Munich（慕尼黑技术大学） ； Oxford-Suzhou Centre for Advanced Research, China（牛津-苏州先进研究中心） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 BioMedArena通过解耦六个评估层，提供公平比较不同基础模型的平台，显著提升生物医学基准的性能，实现8个代表性基准的SOTA结果。

BioPIE: A Biomedical Protocol Information Extraction Dataset for Experiment Understanding

BioPIE：面向实验理解的生物医学协议信息抽取数据集

Haofei Hou, Shunyi Zhao, Fanxu Meng, Kairui Yang, Lecheng Ruan, Qining Wang

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京理工大学先进制造与机器人学院） ； School of Integrated Circuits, Peking University（北京理工大学集成电路学院） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 提出BioPIE数据集，以程序为中心的知识图谱捕获实体、动作和关系，解决生物医学实验理解中的高信息密度和多步推理难题，并验证了信息抽取方法及问答系统的有效性。

Less is More: Quality-Aware Training Data Selection for Scientific Summarization

少即是多：面向科学摘要的质量感知训练数据选择

Maria Nefeli Paraskevopoulou, Tatiana Passali, Grigorios Tsoumakas

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 针对科学文献摘要中作者摘要质量不一的问题，提出基于质量信号选择训练数据的方法，在1.88M篇PMC文章上验证，高质量子集训练优于随机采样。

Knowledge-Graph Grounding Helps LLMs Only for Out-of-Training Knowledge: A Controlled Study on Clinical Question Answering

知识图谱基础仅对训练外知识帮助LLM：临床问答的受控研究

Madhulatha Mandarapu, Sandeep Kunkunuru

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 通过受控实验发现，知识图谱基础仅在问题涉及模型训练外知识时提升LLM性能，对已知事实无帮助，且公共KG信息冗余。

Comments 9 pages. Code: https://github.com/samyama-ai/clinical-llm-graphrag

Generative Modeling for Physiological Signals

生理信号的生成建模

Xinqi Bao, Ernest Kamavuako, Saikat Chatterjee

专题命中 健康监测 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文综述了生成模型在心血管、神经、肌肉等生理信号中的应用，涵盖GAN、VAE、扩散模型等，并提出了分层次评估框架。

SAGE: Scalable Agentic Grounded Evaluation for Crop Disease Diagnosis

SAGE: 可扩展的代理基于地面评估用于作物疾病诊断

Muhammad Arbab Arshad, Tirtho Roy, Yanben Shen, Dinakaran Elango, Shivani Chiranjeevi, Asheesh K. Singh, Baskar Ganapathysubramanian, Chinmay Hegde, Arti Singh, Soumik Sarkar

专题命中 医学数据与评测 ：diagnosis(title,abstract)

AI总结 本文提出SAGE框架，通过构建大规模作物疾病图像-症状数据集，结合自动管道生成基于源的症状描述，并引入自主视觉推理代理提升疾病诊断准确性。

Journal ref CVPR 2026 Workshop on Emerging Directions in Data for Multimodal Foundation Models

TrOCR for Medieval HTR: A Systematic Ablation Study with Cross-Dataset Validation

TrOCR 用于中世纪手写文本识别：基于跨数据集验证的系统消融研究

Sachin Sharma, Michele Flammini, Federico Simonetta

机构 * GSSI – Gran Sasso Science Institute（格兰萨索科学研究所） 纠错

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

AI总结 研究通过对比度归一化、数据增强和层冻结三种可控微调策略，提升TrOCR在中世纪手稿上的识别精度，在13世纪意大利手稿上达到8.03%字符错误率，并验证了跨数据集的鲁棒性。

Comments Accepted at Document Analysis Systems Workshop 2026 (ICDAR Satellite event)

T2D-Bench: Evidence-Gated Evaluation of LLM Outputs for Type 2 Diabetes Using a Multi-Layer Clinical-Lifestyle Knowledge Graph

T2D-Bench：基于多层临床-生活方式知识图谱的2型糖尿病LLM输出证据门控评估

Saba A. Farahani, Hung Cao, Ramesh Jain, Amir M. Rahmani

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；biomedical(abstract)

AI总结 提出T2D-Bench基准，通过多层知识图谱和证据门控机制，检测LLM输出中未满足指南约束的临床遗漏，并在2型糖尿病诊断、用药安全等场景中实现可测量纠正。

Comments 7 pages, 2 figures, 2 tables. Accepted as a poster at AMIA 2026 Annual Symposium

A Benchmark for Hallucination Detection in VLMs for Gastrointestinal Endoscopy

胃肠内窥镜中视觉语言模型幻觉检测的基准测试

Aminu Lawal, Niyoj Oli, Sachin Acharya, Prashnna Gyawali, Maria Carmen Romano, Binod Bhattarai

机构 * University of Aberdeen（阿伯丁大学） ； Nepal Applied Mathematics and Informatics Institute for Research（尼泊尔应用数学与信息学研究所） ； West Virginia University（西弗吉尼亚大学） 纠错

专题命中 医学数据与评测 ：radiology(abstract)；分类 cs.CV；medical image(comments)

AI总结 针对胃肠内窥镜领域，在Gut-VLM数据集上基准测试九种幻觉检测方法，发现白盒方法ReXTrust在所有五个视觉语言模型上AUC最高，平均领先19.5点。

Comments Accepted at the Medical Image Understanding and Analysis (MIUA) 2026 conference

Performance and Interpretability of Convolutional, Transformer, and Hybrid Deep Learning Models in Colorectal Histology Classification

卷积、Transformer和混合深度学习模型在结直肠组织学分类中的性能与可解释性

Reza Bozorgpour

机构 * College of Engineering & Applied Science, Department of Biomedical Engineering, University of Wisconsin-Milwaukee（工程与应用科学学院生物医学工程系，威斯康星大学密尔沃基分校） 纠错

专题命中 医学数据与评测 ：pathology(abstract)；分类 cs.CV、q-bio

AI总结 本研究系统比较了12种预训练CNN、Transformer和混合架构在结直肠组织病理学分类中的性能，发现EVA-02和ViT-B/16表现最佳，而现代CNN在准确率与模型复杂度间取得良好平衡。

Cost-Optimal Decision Diagrams for Stochastic Boolean Function Evaluation

随机布尔函数评估的代价最优决策图

Xia Zong, Tuomo Lehtonen, Jussi Rintanen

机构 * Aalto University（阿尔托大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 针对变量代价和概率分布下的命题公式评估，提出首个实用的精确分支定界算法，含变量选择启发式、剪枝和缓存，并证明问题为#P-hard且属于PSPACE。

Comments 11 pages, 4 figures

MMed-Bench-IR: A Heterogeneous Benchmark for Multilingual Medical Information Retrieval

MMed-Bench-IR：多语言医学信息检索的异构基准

Junhyeok Lee, Han Jang, Hyeonjin Goh, Kyu Sung Choi

机构 * Seoul National University（首尔国立大学） ； Seoul National University College of Medicine（首尔国立大学医学院） ； Seoul National University Hospital（首尔国立大学医院） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 针对临床RAG的多语言检索需求，提出MMed-Bench-IR基准，涵盖跨语言对齐、概念区分和证据检索三种异构任务，评估6种语言下10个系统，发现生物医学编码器在英语与日语间性能差距巨大。

Comments Under review. 15 pages, 3 figures