医学 AI

TopoAgent: An Agentic Framework for Automated Topology Learning in Medical Imaging

TopoAgent: 医学影像中自动拓扑学习的智能体框架

Guangyu Meng, Pengfei Gu, Xueyang Li, Yiyu Shi, Erin Wolf Chambers, Danny Z. Chen

机构 * Dept. of Computer Science and Engineering, University of Notre Dame（内布拉斯加大学达灵顿分校计算机科学与工程系） ； Dept. of Computer Science, The University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德谷分校计算机科学系） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 提出基于大语言模型的智能体框架TopoAgent，通过感知-推理-行动-反思循环和21个领域工具，自动为医学图像选择最优拓扑描述符并生成特征向量。

SonoCLIP: Mask-Guided Region-Aware Vision-Language Pretraining for Fetal Ultrasound Analysis

SonoCLIP: 面向胎儿超声分析的掩码引导区域感知视觉-语言预训练

Hang Su, Chao Sun, Zhaofan Li, Wei Hu, Juhua Liu, Bo Du

机构 * School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院，武汉，中国） ； Institute of Artificial Intelligence, Wuhan University, Wuhan, China（武汉大学人工智能研究院，武汉，中国） ； Department of Ultrasound, Renmin Hospital of Wuhan University, Wuhan, China（武汉大学仁民医院超声科，武汉，中国） ； National Engineering Research Center for Multimedia Software, Wuhan University, Wuhan, China（武汉大学多媒体软件国家工程研究中心，武汉，中国） ； Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University, Wuhan, China（湖北省多媒体与网络通信工程重点实验室，武汉大学，武汉，中国） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 提出SonoCLIP，首个百万级区域可控胎儿超声视觉-语言基础模型，通过掩码引导的全局-局部对比学习，提升对临床关键局部结构的敏感性，在零样本迁移中表现优异。

Enhancing Layer Interaction Using Key-Correlated Layer Attention

利用关键相关层注意力增强层间交互

Jianlong Xiong, ChuanBo Xie, Le Yu, Quansong He, Tao He

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 提出关键相关层注意力（KCLA），通过利用层注意力中Key表示的高余弦相似性，实现线性计算复杂度和动态信息更新，在图像识别、目标检测和医学图像分割等任务中表现良好。

Machine learning enhanced data assimilation framework for multiscale carbonate rock characterization

基于机器学习的增强型数据同化框架用于多尺度碳酸盐岩表征

Zhenkai Bo, Ahmed H. Elsheikh, Hannah P. Menke, Julien Maes, Sebastian Geiger, Muhammad Z. Kashim, Zainol A. A. Bakar, Kamaljit Singh

机构 * Institute of GeoEnergy Engineering, Heriot-Watt University（赫瑞-瓦特大学地质能源工程研究所） ； Department of Geoscience & Engineering, Technical University of Delft（代尔夫特理工大学地球科学与工程系） ； PETRONAS Research Sdn Bhd（马来西亚国家石油公司研究有限公司） 纠错

专题命中 医学影像 ：CT(abstract)；分类 cs.LG

AI总结 本文提出一种基于机器学习的数据同化框架，利用实验排水相对渗透率测量高效表征微尺度结构，通过DNN-ESMDA算法实现多尺度数字岩石建模，显著提升计算效率。

SPARC: Scalable Path-Specific Counterfactual Fairness via Causal Conditional Independence

SPARC：通过因果条件独立实现可扩展的路径特定反事实公平性

Bowei Tian, Yexiao He, Ziyao Wang, Meng Liu, Yongkai Wu, Ang Li

机构 * University of Maryland（马里兰大学） ； Clemson University（克莱姆森大学） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 本文提出SPARC方法，通过因果条件独立约束实现路径特定反事实公平性，解决了高维数据中反事实估计不可行的问题。

Comments 26 pages, 6 figures. European Conference on Computer Vision 2026

MSA-UNet3+: Multi-Scale Attention UNet3+ with New Supervised Prototypical Contrastive Loss for Coronary DSA Image Segmentation

MSA-UNet3+: 带新监督原型对比损失的多尺度注意力UNet3+用于冠状动脉DSA图像分割

Rayan Merghani Ahmed, Adnan Iltaf, Mohamed Elmanna, Gang Zhao, Hongliang Li, Yue Du, Bin Li, Shoujun Zhou

机构 * University of Chinese Academy of Sciences (UCAS)（中国科学院大学） 纠错

专题命中 医学影像 ：biomedical(comments,journal_ref)；分类 cs.CV、eess.IV

AI总结 本文提出MSA-UNet3+和SPCL，通过结合监督和原型对比学习提升冠状动脉DSA图像分割精度，实验表明其在Dice系数和F1分数上优于现有方法。

Comments 15 pages, 11 figures, 3 tables, Published in Biomedical Signal Processing and Control

Journal ref Biomedical Signal Processing and Control, Volume 123, Article 110539, 2026

ENC-ODE: Event-level Neurodegenerative Modeling in Continuous Time with Neural ODEs

ENC-ODE：基于神经常微分方程的连续时间事件级神经退行性建模

Yujee Song, Seunghun Baek, Guorong Wu, Won Hwa Kim

机构 * Pohang University of Science and Technology（首尔科学技术大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出ENC-ODE模型，利用神经常微分方程对临床事件进行连续时间建模，通过诊断条件动态和目标条件注意力机制预测生物标志物演变，在ADNI数据集上优于现有序列模型。

Comments MICCAI 2026

The strength of clinical evidence is recoverable from language model representations but not from their stated grades

临床证据强度可从语言模型表示中恢复，但无法从其陈述的等级中恢复

Soroosh Tayebi Arasteh

机构 * Lab for AI in Medicine（医学人工智能实验室） ； RWTH Aachen University（亚琛工业大学） ； University Hospital RWTH Aachen（亚琛大学医院） ； Stanford University（斯坦福大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)；分类 cs.LG

AI总结 本研究通过构建临床声明数据集，测试22个开源大语言模型，发现模型内部表示可编码证据强度（中位AUROC 71.8%），但模型陈述的等级接近随机（低于估计器25-27个百分点），且该信号主要来自词汇特征，不随规模提升。

MedEvoEval: Evaluating Continual Evolution of Doctor Agents through Simulated Clinical Episodes

MedEvoEval: 通过模拟临床场景评估医生智能体的持续进化

Hui Zhang

机构 * Beijing Institute of Technology (BIT)（北京理工大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 提出MedEvoEval框架，基于动作门控的模拟门诊场景，评估医生智能体在跨场景中的决策演化、资源分配和经验迁移能力。

Comments 31 pages, including appendices

Primary ICD Category Prediction using LLM-based Probing

基于LLM探针的主要ICD类别预测

Chengyuan Liu, Xinyue Zhang, Yao Li, Guanting Chen

机构 * Department of Statistics, Pennsylvania State University（宾夕法尼亚州立大学统计学系） ； Department of Biostatistics, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校生物统计学系） ； Department of Statistics and Operations Research, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校统计学与运筹学系） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本研究利用冻结的医学大语言模型表示作为共享嵌入空间，通过线性探针融合结构化变量和临床叙述，实现多模态主要诊断类别预测，在MIMIC-IV上达到87.69%的严格准确率。

Comments 9 pages, 2 figures. Supplementary materials provided as an ancillary file

BrainRiem: Riemannian Prototype Learning for Source-Free Cross-Site Brain Network Diagnosis

BrainRiem: 基于黎曼原型学习的无源跨站点脑网络诊断

Kunyu Zhang, Tianxiang Xu

专题命中 诊断辅助 ：diagnosis(title,abstract)；MRI(abstract)；分类 cs.LG

AI总结 针对多站点fMRI域偏移和隐私限制，提出BrainRiem无源域适应框架，通过流形感知双层优化学习紧致黎曼脑原型，在ABIDE和REST-meta-MDD上优于现有方法。

Comments Accepted by ECCV 2026

Latent-CURE for Breast Cancer Diagnosis

Latent-CURE：用于乳腺癌诊断的潜在空间推理框架

Weiyi Zhao, Xiaoyu Tan, Lu Gan, Liang Liu, Xihe Qiu

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 针对多模态大模型在乳腺癌超声诊断中因数据不平衡而忽略罕见恶性特征的问题，提出基于潜在空间非对称加权思维链的Latent-CURE框架，强制模型先推断BI-RADS形态描述符再诊断，并采用双非对称优化策略保护恶性特征，实现透明且鲁棒的诊断。

Comments 11 pages, 4 figures, 3 tables. Accepted to MICCAI 2026

Hybrid AI-Physics Framework for Post-Earthquake Structural Damage Diagnosis with Sparse Sensing

混合AI-物理框架用于稀疏传感下的震后结构损伤诊断

Xiao Liang

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 eess.SP

AI总结 提出一种物理信息无监督学习框架，融合传感器数据与物理模拟，通过时空复合自编码网络（SCAN）从震前数据学习正常行为，检测并定位震后损伤，无需标签数据。

Reinforcement Learning with a Bilevel World-Model Architecture for Scan-Order Optimisation in Laser Directed Energy Deposition

激光增材制造扫描顺序优化的强化学习：用于奖励和世界模型诊断的双层代理-有限元分析诊断框架

Xian Wu, Haoran Li, Yuanqi Chu, Dongbin Zhao, Bin Wang

机构 * College of Engineering, Design and Physical Sciences, Brunel University London（布鲁内尔大学伦敦工程、设计与物理科学学院） ； Pattern Recognition Laboratory, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别实验室） ； ISIS Neutron and Muon Source, Science and Technology Facilities Council, Rutherford Appleton Laboratory（Rutherford Appleton实验室，科学与技术设施委员会ISIS中子与μ子源） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG

AI总结 本文提出一个双层代理-有限元分析诊断框架，通过轻量代理和稀疏有限元模拟，诊断强化学习在激光增材制造扫描顺序优化中的奖励和世界模型保真度问题。

Comments 31 pages, 7 figures, 3 tables

Investigating ECG Diagnosis with Ambiguous Labels using Partial Label Learning

利用部分标签学习探究带有模糊标签的ECG诊断

Sana Rahmani, Javad Hashemi, Ali Etemad

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG

AI总结 本文研究了在模糊标签条件下使用部分标签学习进行ECG诊断，分析了不同模糊类型和级别下PLL方法的鲁棒性，并指出当前PLL方法在临床应用中的局限性。

Skin-R1: Clinical Knowledge-Guided Dermatological Diagnosis Using Vision-Language Models

Skin-R1: 基于视觉-语言模型的临床知识引导的皮肤病诊断

Zehao Liu, Weijieying Ren, Jipeng Zhang, Tianxiang Zhao, Jingxi Zhu, Xiaoting Li, Vasant G Honavar

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 Skin-R1结合教材引导的临床推理监督与强化学习，提升皮肤病诊断的准确性和鲁棒性，通过构建基于教材的推理生成器和强化学习框架，改进模型在异构数据集和稀疏标注下的表现。

Comments ECCV 2026

Bayesian Analysis with Markov Chain Monte Carlo for Global Optimization and Degeneracy Diagnosis in Nuclear Mass Models

基于马尔可夫链蒙特卡洛的贝叶斯分析用于核质量模型的全局优化与简并诊断

Xiangnan Lee, Yi Hua Lam, Zi-Ao Zhang, Jayke Ren

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 采用自适应Metropolis-Hastings马尔可夫链蒙特卡洛贝叶斯分析，系统研究Bethe-Weizsäcker变体核质量模型中能量项强度的后验概率分布，揭示参数简并，提出新宏观-微观质量模型BWL，在AME2020上达到759 keV均方根偏差。

Comments 23 pages, 6 figures (colorblind-friendly colors), 12 tables

HyBIRD: Hyperbolic Bridge Retrieval and Diagnosis for Methodology Inspiration Retrieval

HyBIRD: 双曲桥检索与诊断用于方法论灵感检索

Yang Yang, Boyun Xu, Hao Fu, Jindong Li, Zining Zhong, Bowen Tian, Jiemin Wu, Menglin Yang, Yutao Yue

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 提出HyBIRD框架，将方法论灵感检索建模为双曲桥检索，通过轻量级双曲桥变体保持密集检索性能，并利用LLM辅助方法块进行事后解释和证据选择，实现可检查的查询需求分析。

Diagnosis-Driven Co-planning of Network Reinforcement and BESS for Distribution Grid with High Penetration of Electric Vehicles

基于高电动汽车渗透率的配电网网络强化与电池储能系统协同规划

Linhan Fang, Elias Raffoul, Xingpeng Li

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出一种诊断驱动协同规划框架，通过识别关键瓶颈线路并优化电池储能部署，解决高电动汽车渗透率下的配电网优化问题。

Clinical Risk-Aware Multi-Level Grading for Coronary Artery Stenosis through Curved Feature Reconstruction

基于弯曲特征重建的临床风险感知冠状动脉狭窄多级分级

Shishuang Zhao, Hongtai Li, Junjie Hou, Yuhang Liu

机构 * Yizhun Medical AI Co., Ltd（亿智医疗人工智能有限公司） ； The First Hospital of China Medical University（中国医科大学第一附属医院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 提出弯曲特征重建模块和临床风险感知损失，融合CCTA与3D SCPR图像特征，实现更准确的冠状动脉狭窄多级分级。

SEVA: Self-Evolving Verification Agent with Process Reward for Fact Attribution

SEVA: 具有过程奖励的自进化验证代理用于事实归因

Aojie Yuan, Yi Nian, Haiyue Zhang, Zijian Su, Yue Zhao

机构 * University of Southern California, Los Angeles, USA（美国南加州大学，洛杉矶） ； University of Michigan, Ann Arbor, USA（美国密歇根大学，安娜堡） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出SEVA，一种结构化验证代理，通过过程奖励解决多组件输出中的优势崩溃问题，实现自我进化循环，在7B模型上验证了奖励粒度必须匹配输出粒度的原则。

Comments Accepted at AI4GOOD@ICML 2026 and FAGEN@ICML 2026. Code: https://github.com/Justin0504/Verifiable_agent

An Agentic AI Pipeline for Appliance-Level Energy Anomaly Detection and LLM-Driven Recommendations

一种用于设备级能源异常检测和基于LLM的推荐建议的智能体AI流水线

Dihia Falouz, Aida Douaibia, Amine Bechar, Youssef Elmir, Abbes Amira, Adel Oulefki

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出一种端到端智能体流水线，结合深度时间序列预测、变分异常检测和LLM推理，为办公建筑设备级能耗生成优先级排序的可操作维护建议。

Comments 07 pages, 01 figure, accepted for presentation at the IEEE International Conference on Communication, Computing, Networking, and Control in Cyber-Physical Systems (CCNCPS 2026)

The Voronoi Bottleneck: Capacity-Aware Dense Retrieval for Product Search

Voronoi瓶颈：面向产品搜索的容量感知稠密检索

Charith Chandra Sai Balne, Rithwik Maramraju, Siddharth Pratap Singh, Rohit Upadhyay, Aditya Singh, Chittaranjan Tripathy, Yogananda Domlur Seetharama

机构 * Walmart Global Tech（沃尔玛全球科技） ； USA（美国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出容量感知稠密检索方法，通过统一容量理论证明Voronoi复杂度与符号秩等价，并设计DART训练目标（AT-DW-InfoNCE），在合成产品搜索数据集上Recall@100提升1.9%。

Comments 5 pages

Clinical Feasibility of Smartphone-based EEG in Kenya

肯尼亚智能手机基 EEG 的临床效用和可行性：一项多中心观察性研究

William Lehn-Schiøler, Nomin Enkhtsetseg, Anton Mosquera Storgaard, Magnus Guldberg Pedersen, Dylan Rice, George Wambugu, Nshimiyimana Jules Fidele, Melita Cacic Hribljan, Anca Alina Arbune, Sidsel Armand Larsen, Sandor Beniczky

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.SP

AI总结 本研究评估了在资源有限的肯尼亚环境中，由智能手机实现的EEG系统在临床应用中的可行性和效用，发现非专科人员能够有效进行大规模EEG采集，为低收入国家提供更公平的神经诊断和护理机会。

Comments 17 pages, 5 figures, 1 table

Uncovering Salience-Driven Dynamics in Consumer Confidence with Generative Social Simulation

揭示消费者信心中的显著性驱动动态：基于生成式社会模拟

Yixu Huang, Yunlu Yin, Jiayu Lin, Xinnong Zhang, Jia Wang, Siyuan Wang, Xuanjing Huang, Liyin Jin, Zhongyu Wei

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出ConsumerSim框架，通过微观数据校准的合成人口、宏观经济信号和调查响应生成，重建消费者信心指数，在美欧日数据上优于基线模型，并揭示信心变化集中于显著性事件，且不同群体敏感性各异。

A Systematic Framework for Evaluating Topological Representations in Single-Cell Classification

单细胞分类中拓扑表示评估的系统框架

Rocío Picón-González, Salvador Chulián, Ana Niño-López, Álvaro Martínez-Rubio, María Rosa Durán

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 提出一个双层框架，通过统计筛选和预测效用评估拓扑表示在单细胞分类中的性能，并在白血病数据上验证了不同表示方法的差异。

The Bounce Has No Direction: Sign, Magnitude, and the Microstructure of Equity Return Predictability

反弹无方向：符号、幅度与股票收益可预测性的微观结构

Victoria Portnaya

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 通过傅里叶-残差恒等式分解自相关为符号与幅度通道，发现SPY滞后1期自相关完全由幅度驱动，揭示买卖价差反弹等微观结构效应，而非方向性反转。

Comments 29 pages, 8 tables, no figures

Diagnosing and Repairing Factual Errors in RAG under Budget Constraints

预算约束下RAG中事实性错误的诊断与修复

Soroush Hashemifar, Havva Alizadeh Noughabi, Fattane Zarrinkalam, Ali Dehghantanha

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出D2R-RAG框架，通过轻量级诊断和自适应修复，在预算约束下提升检索增强生成的事实性，实现准确性与效率的更好权衡。

Methods to address measurement error in both Outcome and Covariates

解决结果和协变量中测量误差的方法

Pamela A. Shaw, Bryan E. Shepherd

专题命中 诊断辅助 ：biomedical(abstract)

AI总结 本教程回顾了解决结果和多个协变量中测量误差的可用方法，并通过实例比较不同方法，提供数据和代码以便复现结果。

Comments 40 pages, 6 tables, 0 figures

Evidence-Driven LLM Agent for C-to-Synthesizable-C Conversion and Verification

证据驱动的LLM智能体用于C到可综合C的转换与验证

Zhe Zhao, Hongbing Lang, Zhihan Xiao, Luke Ztz Hu, John Imoleayo Adebisi, Songping Mai

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 提出一种基于大语言模型的闭环生成-验证-诊断-修复框架，通过四阶段验证器、渐进式不匹配定位链和证据检索增强生成，将C代码转换为HLS可综合C，显著优于现有方法。

Comments 14 pages, 8 figures, submitted to IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems (TCAD)