医学 AI

MSNN-LINet: Cross-Modal Learning via Continuous Linear Integration

MSNN-LINet：通过连续线性集成进行跨模态学习

Gabriel Clinger

机构 * The George Washington University（乔治华盛顿大学） 纠错

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

AI总结 提出线性集成网络LINet，通过连续线性集成卷积操作实现RGB-D场景分类中的逐层跨模态学习，解决多模态融合的结构性妥协问题，并在SUN RGB-D数据集上取得领先结果。

Comments 14 pages, 6 figures, 3 tables

On Variance Reduction in Learning Mean Flows

在学习均值流中的方差缩减

Juanwu Lu, Ziran Wang

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文通过理论分析揭示了均值流训练中损失非递减和梯度方差无界的问题根源，提出最优系数的闭式解，并在基准和Diffusion Transformer上验证了其提升样本质量和FID趋势的效果。

Comments 27 pages, 8 figures, 8 tables. Added supplementary experiment: independent validation of the small-bias regime, to break the circularity in bias estimation

Pattern formation in a Reaction-Diffusion Model for Amyloid-$β$ and Tau Interactions in Alzheimer's Disease

阿尔茨海默病中淀粉样蛋白-β与Tau相互作用的反应扩散模型中的模式形成

Sun Lee, Wenrui Hao

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 本研究采用Gray-Scott反应扩散模型，结合伴随多水平有限元方法，研究Aβ与Tau相互作用产生的空间模式，发现系统存在多种稳定模式，为理解AD异质性和认知弹性提供数学框架。

Token-Sparse Medical Multimodal Reasoning via Dual-Stream Reinforcement Learning

通过双流强化学习实现令牌稀疏的医学多模态推理

Kaitao Chen, Weiqian Zhao, Jiamin Wu, Qihao Zheng, Shangquan Sun, Chunfeng Song, Xiaosong Wang, Mu Zhou, Mianxin Liu

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

AI总结 提出双流强化学习框架ViToS，通过主动视觉令牌剪枝实现令牌稀疏的医学多模态推理，在七个医学基准上减少77%令牌并提升性能。

Comments ICML2026

MediEncoder: Nonlinear Representation Learning for High-Dimensional Causal Mediation Analysis

MediEncoder: 高维因果中介分析的非线性表示学习

Shi Bo, Debarghya Mukherjee, AmirEmad Ghassami

机构 * Boston University（波士顿大学） 纠错

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

AI总结 提出MediEncoder框架，通过耦合编码器-解码器和交叉因子网络学习低维表示，结合交叉拟合高效影响函数估计自然直接和间接效应，实现高维非线性中介分析的多重稳健估计。

Comments 43 pages, 3 figures

Topological reconstruction of Rubin multiple imputation via coarse proximity, Seifert van Kampen gluing and Hurewicz invariants

通过粗邻近、Seifert van Kampen 粘合和 Hurewicz 不变量对 Rubin 多重插补进行拓扑重建

Arturo Tozzi

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出一种拓扑重建方法，利用粗邻近图、Seifert van Kampen 粘合和 Hurewicz 不变量分析多重插补数据集的结构，揭示其全局组织模式。

Comments 11 pages, 2 figures

Cross-Domain Feature Expansion for Tabular Medical Data via Knowledge Graphs Injection

通过知识图谱注入的表格医疗数据跨域特征扩展

Mengying Zhou, Yongjie Yin, Haoyan Xin, Guoping Liu, Yang Chen

机构 * School of Computing and Artificial Intelligence, Shanghai University of Finance and Economics（上海财经大学计算机与人工智能学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学技术学院） ； Independent Researcher（独立研究者） ； School of Basic Medical Sciences, Shanghai University of Traditional Chinese Medicine and Pharmacology（上海中医药大学基础医学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出MedKGTab框架，利用知识图谱和注意力机制从现有特征推断未收集的生物医学特征，实现跨域特征扩展，优于现有模型。

DDIAgents: Mechanism-Conditioned Context Flow for Drug-Drug Interaction Prediction

DDIAgents: 机制条件上下文流用于药物相互作用预测

Zhenqian Shen, Yu Liu, Xiaoyi Fu, Quanming Yao

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Biomedical Engineering, University of Oxford（牛津大学生物医学工程研究所） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科技大学新兴跨学科领域学部） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出DDIAgents多智能体框架，通过动态知识编排预测药物相互作用，减少无关信息并生成可解释推理，性能优于现有方法。

CoSMeTIC: Zero-Knowledge Computational Sparse Merkle Trees with Inclusion-Exclusion Proofs for Clinical Research

CoSMeTIC：用于临床研究的具有包含-排除证明的零知识计算稀疏默克尔树

Mohammad Shahid, Paritosh Ramanan, Mohammad Fili, Guiping Hu, Hillel Haim

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 提出CoSMeTIC框架，利用计算稀疏默克尔树生成可验证的包含和排除证明，在保护患者隐私的同时实现监管合规，通过亨廷顿病和HIV-1案例验证了隐私与统计保真度的平衡。

M3CoTBench: Benchmark Chain-of-Thought of MLLMs in Medical Image Understanding

M3CoTBench：医学图像理解中多模态大语言模型的思维链基准测试

Juntao Jiang, Jiangning Zhang, Yali Bi, Jinsheng Bai, Weixuan Liu, Weiwei Jin, Zhucun Xue, Yong Liu, Xiaobin Hu, Shuicheng Yan

机构 * Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； East China Normal University（华东师范大学） ； Zhejiang Provincial People’s Hospital（浙江省人民医院） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 医学数据与评测 ：medical image(title,abstract)；diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 提出M3CoTBench基准，通过多层级难度数据集和专用评估指标，系统评测多模态大语言模型在医学图像理解中的思维链推理正确性、效率、影响和一致性。

Comments 39 pages, 8 figures; accepted by ICLR 2026

A Realistic Protocol for Evaluation of Weakly Supervised Object Localization

弱监督目标定位评估的现实协议

Shakeeb Murtaza, Soufiane Belharbi, Marco Pedersoli, Eric Granger

机构 * LIVIA, ILLS, Dept. of Systems Engineering, ETS Montreal（蒙特利尔高等技术学院系统工程系LIVIA实验室、ILLS实验室） 纠错

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

AI总结 提出一种无需手动边界框标注的WSOL评估协议，利用预训练区域提议方法生成伪边界框进行模型选择和阈值估计，在自然和医学图像数据集上达到与使用真实边界框相当的性能。

Comments 13 pages, 5 figures

Journal ref WACV 2025: IEEE/CVF Winter Conf. on Applications of Computer Vision, Arizona, USA

PrISM-IQA: Image Quality Assessment Made Practical for Smartphone Photography

PrISM-IQA：面向智能手机摄影的实用图像质量评估

Shuyan Zhai, Jiaqi He, Weixia Zhang, Liang Wang, Zhenjie Lee, Zufeng Zhang, Kede Ma

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Computer Science, Institute of AI, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院人工智能研究院） ； OPPO Research Institute（OPPO研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

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

AI总结 提出PrISM-IQA，将智能手机IQA重构为多问题有序诊断，预测每个ISP相关问题的严重等级，支持可操作的ISP调优。

CLExEval: A Human-in-the-Loop Framework for Qualitative Evaluation of LLM Clinical Reasoning

CLExEval: 一种用于定性评估LLM临床推理的人机协同框架

Ajmal M., Abin Roy, Afthab Salam Kanniyan, Jawadh Abdul Kabeer, Jerin James, Preslav Nakov, Zhuohan Xie

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； IIT Madras（印度理工学院马德拉斯分校） ； Calicut Medical College（卡利卡特医学院） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 提出CLExEval框架，通过渐进信息遮蔽和专家注释，揭示LLM临床推理中的冗长偏差、隐藏知识悖论和推理-输出不匹配问题，并验证了LLM作为评判者的局限性。

Comments 21 pages, 12 figures

OpenRCA 2.0: From Outcome Labels to Causal Process Supervision

OpenRCA 2.0：从结果标签到因果过程监督

Aoyang Fang, Yifan Yang, Jin'ao Shang, Qisheng Lu, Junjielung Xu, Rui Wang, Songhan Zhang, Yuzhong Zhang, Boxi Yu, Pinjia He

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 针对现有根因分析数据集仅标注结果而忽略因果传播路径的问题，提出PAVE协议重建因果路径，构建OpenRCA 2.0基准，发现LLM在根因定位中因果验证不足的缺陷。

Comments work in progress

Clinical Harness for Governable Medical AI Skill Ecosystems

可治理医疗AI技能生态系统的临床框架

Tianhan Xu, Lei Bao, Zhe Hu, Tian Shen, Yongxiang Wang

专题命中 其他医学AI ：medical AI(title,abstract)；clinical AI(abstract)

AI总结 提出临床AI技能与临床框架，通过运行时治理架构注册、编排、守护和监控AI临床能力，以骨质疏松为例展示知识驱动、数据驱动和物理增强技能在生命周期护理中的应用。

Drawing Out Legal Risks: Co-Designing with Lawyers to Predict and Manage Legal Uncertainties of Medical AI Tools

揭示法律风险：与律师共同设计以预测和管理医疗AI工具的法律不确定性

Gennie Mansi, Julia Kim, Michael Rosenbloom, Mark Riedl

专题命中 其他医学AI ：medical AI(title,abstract)

AI总结 通过与律师共同设计，识别并可视化医疗AI工具的法律风险，提出预测和管理策略，帮助组织应对法律不确定性。

Comments 13 pages, 8 figures; Note: This paper is formatted as a submission type called a Pictorial, used in some ACM venues (e.g. https://dis.acm.org/2026/pictorials/). Pictorials present visual components (e.g. study artifacts, diagrams) with text to convey contributions. We present co-created visualizations from our study alongside our analysis/. For more justification of the format, see page 4