医学 AI

Multimodal Semantic-Aware Contrastive Learning For False Negative Mitigation in 3D Medical Imaging

用于减轻 3D 医学成像中假阴性的多模态语义感知对比学习

Sara Ketabi, Matthias W. Wagner, Cynthia Hawkins, Uri Tabori, Birgit Betina Ertl-Wagner, Farzad Khalvati

机构 * University of Toronto（多伦多大学） ； The Hospital for Sick Children（病童医院） ； Vector Institute（向量研究所） ； University Hospital Augsburg（奥格斯堡大学医院） 纠错

专题命中 医疗多模态 ：MRI(abstract,abstract_cn)；radiology(abstract)；分类 cs.LG、q-bio

AI总结 研究针对3D医学成像中假阴性问题，提出多模态语义感知对比学习框架MseaCL，通过纳入放射学报告语义相似性作指导信号，经实验验证该框架用于预训练可提升下游任务表现，如儿科脑肿瘤分子分类AUC至少增22.6%。

Beyond the Leaderboard: Design Lessons for Trustworthy Multimodal VQA

超越排行榜：可信多模态视觉问答的设计经验教训

Sushant Gautam, Vajira Thambawita, Michael A. Riegler, Pål Halvorsen, Steven A. Hicks

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

AI总结 以MediaEval Medico 2025为案例，分析九个多模态问答系统，发现预训练主干的参数高效适应虽有挑战性能，但答案提升未转化为完整临床推理，结构化推理等方法更可靠，结果促使多方面改进，支持可信多模态医疗保健人工智能。

Comments Accepted for presentation at the 39th IEEE International Symposium on Computer-Based Medical Systems (IEEE CBMS 2026) as a regular paper

Symbal: Detecting Systematic Misalignments in Model-Generated Captions

Symbal：检测模型生成字幕中的系统性对齐错误

Maya Varma, Jean-Benoit Delbrouck, Sophie Ostmeier, Akshay Chaudhari, Curtis Langlotz

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

AI总结 研究多模态大语言模型生成图像字幕时的系统性对齐错误检测问题，提出利用现成基础模型的结构化双阶段设置的Symbal方法，引入SymbalBench基准，Symbal在基准上表现出色，可辅助审核MLLM生成的字幕。

Comments ICML 2026

Beyond Medical Diagnostics: How Medical Multimodal Large Language Models Think in Space

超越医学诊断：医学多模态大语言模型如何在空间中思考

Quoc-Huy Trinh, Xi Ding, Yang Liu, Zhenyue Qin, Xingjian Li, Gorkem Durak, Halil Ertugrul Aktas, Andrea M. Bejar, Ulas Bagci, Min Xu

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

AI总结 本文提出SpatialMed基准，通过自主合成空间视觉问答数据评估医学MLLMs的3D空间智能，发现现有模型在医学影像空间推理能力不足。

Dendrite: A Real-Time Python Application for Online Brain-Computer Interface Research and Development

Dendrite：用于在线脑机接口研究与开发的实时Python应用程序

Niko Kroflic, Jan Babič

专题命中 医疗多模态 ：biomedical(abstract)

AI总结 研究旨在开发在线脑机接口软件，核心方法是用Python编写Dendrite应用程序，它整合信号采集、解码器训练与实时推理，能同时记录多信号流并并发处理，可重现且开源，为在线BCI范式开发评估提供了系统。

Comments 15 pages, 5 figures

One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata

通过自组织神经细胞自动机实现无序超材料的一次性生成设计

Yujie Xiang, Liwei Wang

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

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

AI总结 研究针对无序超材料设计难题，提出基于神经细胞自动机的生成设计框架，仅需单个训练模板，能生成多样微观结构并适应不同域，通过操纵局部规则实现特定性能控制，在多尺度机械隐身设计中验证了其有效性，为相关领域提供了新方法。

Quantifying the complexity of trajectory ensembles with clustering-weighted multivariate multiscale sample entropy

用聚类加权多元多尺度样本熵量化轨迹集合的复杂性

Chenxiao Tian, J/"urgen Hackl

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

AI总结 研究针对轨迹集合数据，提出聚类加权多元多尺度样本熵（CWMMSE），可分组轨迹并加权其动态复杂性，分离个体复杂性和总体多样性，通过多系统验证其排序与平均法不同，表明应测量总体复杂性而非求平均。

ROOFS: RObust biOmarker Feature Selection

ROOFS：稳健的生物标志物特征选择

Anastasiia Bakhmach, Paul Dufossé, Simon Charpigny, Florence Monville, Laurent Greillier, Fabrice Barlési, Sébastien Benzekry

机构 * Inria（法国国家信息与自动化技术研究院） ； Inserm（法国国家健康与医学研究中心） ； Centre Inria Sophia Antipolis - Méditerranée（Inria 南法地中海研究中心） ； Centre de Recherches en Cancérologie de Marseille（马赛癌症研究中心） ； Inserm U1068 ； CNRS UMR7258（国家科学研究中心UMR7258） ； Institut Paoli-Calmettes（Paoli-Calmettes研究所） ； Pharmacy faculty, Aix-Marseille University（阿维尼翁-马赛大学药学院） ； Veracyte SAS（Veracyte SAS公司） ； Assistance Publique-Hôpitaux de Marseille (APHM)（马赛公共医院 (APHM)） ； Gustave Roussy（Gustave Roussy研究所） 纠错

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

AI总结 针对生物医学数据特征选择难题，提出ROOFS Python包，在肺癌抗PD-(L)1免疫治疗耐药预测数据上对多种特征选择方法基准测试，评估23种方法与11种分类器组合，确定最优方法，可提高特征选择可重复性与临床模型转化价值。

Toward Energy-Efficient and Low-Power Arrhythmia Detection for Wearable Devices

迈向可穿戴设备的节能低功耗心律失常检测

Floriaan Bulten, Yawar Rasheed, Arlene John, Vincenzo Stoico, Ghayoor Gillani

机构 * Computer Architecture for Embedded Systems, University of Twente, The Netherlands（嵌入式系统计算机架构，特文特大学，荷兰） ； Biomedical Signals and Systems, University of Twente, The Netherlands（生物医学信号与系统，特文特大学，荷兰） ； Faculty of Science, Computer Science, Vrije Universiteit Amsterdam, The Netherlands（科学学院，计算机科学，阿姆斯特丹自由大学，荷兰） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究针对可穿戴设备心律失常检测中深度学习算法功耗高的问题，通过数据精度降低和近似乘法等近似技术，在保持分类性能的同时显著降低功耗，延长了可穿戴设备电池寿命。

Privacy Leakage in Federated Learning in Radiology Reports: A Comparative Evaluation of Tokenizer-Driven Privacy Risks

放射学报告中联邦学习的隐私泄露：基于分词器驱动的隐私风险比较评估

Santhosh Parampottupadam, Andres Martinez, Dimitrios Bounias, Sinem Sav, Klaus Maier-Hein, Ralf Floca

机构 * German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Medical Faculty Heidelberg, Heidelberg University（海德堡大学医学院） ； Bilkent University（比尔肯特大学） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital（海德堡大学医院放射肿瘤学系模式分析与学习组） 纠错

专题命中 医学数据与评测 ：radiology(title,abstract)；分类 cs.LG

AI总结 研究放射学报告联邦学习中的隐私泄露，通过固定模型架构比较三种分词器的隐私风险，量化梯度文本重建，发现分词器设计影响泄露程度，虽RadBERT重建保真度最高但均不能防泄露，安全聚合等保障措施或为满足相关要求所必需。

A Temporal Machine Learning-Based Time-to-Event Model for Predicting ALS Progression and Healthcare Utilization

基于时间序列机器学习的事件发生时间模型预测肌萎缩侧索硬化症进展及医疗保健利用情况

Zongliang Yue, Qi Li, Terry Heiman-Patterson, Frank Bearoff, Zhaohui Qin, Huanmei Wu

机构 * Harrison College of Pharmacy, Auburn University（奥本大学哈里森药学院） ； Fisk University（菲斯克大学） ； Lewis Katz School of Medicine, Temple University（天普大学刘易斯·卡茨医学院） ； Emory University（埃默里大学） ； Barnett College of Public Health, Temple University（天普大学巴尼特公共卫生学院） 纠错

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

AI总结 研究针对ALS预测临床有意义事件的挑战，开发受数字孪生启发的事件发生时间框架，整合多源数据，经聚类、建模等确定功能域及预测因素，构建TTE模型，能生成个性化生存曲线，为ALS相关决策支持提供可行方法。

MedRealMM: A Real-World Multimodal Benchmark for Chinese Online Medical Consultation

MedRealMM：用于中国在线医疗咨询的真实世界多模态基准测试

Runhan Shi, Quan Zhou, Yuqian Xu, Shuai Yang, Xin Wu, Zitong Zhou, Hui Liu, Bin Zha, Zheming Wang, Liya Li, Wei Wei, Jinru Ding, Wenrao Pang, Mouxiao Bian, Haoyuan Hu, Jun Xu, Jie Xu

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

AI总结 研究针对现有在线医疗咨询基准与实际临床实践契合度差的问题，构建MedRealMM基准测试，用多模态临床挑战点提取框架转化任务并设评分标准，评估多个大语言模型，指出图像信息重要，前沿模型有不足，为多模态医学推理评估提供现实可重复基准。

Addressing Benchmarking Gaps in Large Language Models for Health and Medicine with Dynamic Red-Teaming

超越基准：动态、自动和系统化的红队代理用于可信的医疗语言模型

Jiazhen Pan, Bailiang Jian, Paul Hager, Yundi Zhang, Che Liu, Friederike Jungmann, Hongwei Bran Li, Julian Canisius, Chenyu You, Junde Wu, Jiayuan Zhu, Fenglin Liu, Yuyuan Liu, Niklas Bubeck, Moritz Knolle, Chen, Chen, Christian Wachinger, Zhenyu Gong, Cheng Ouyang, Georgios Kaissis, Benedikt Wiestler, Daniel Rueckert

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； University of Oxford（牛津大学） ； TUM University Hospital（慕尼黑技术大学医院） ； Imperial College London（伦敦帝国理工学院） ； Harvard Medical School（哈佛医学院） ； Stony Brook University（史泰兹布鲁克大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 本文提出DAS红队框架，通过动态压力测试揭示医疗语言模型在鲁棒性、隐私、偏见和幻觉方面的潜在风险，发现高静态基准性能与低动态可靠性之间的'基准差距'。

BioTIER: A Refusal Benchmark for Targeted Biological Risk Mitigation

BioTIER：用于针对性生物风险缓解的拒绝基准

Eleanor M. Marshall, Pedro Medeiros, Peter Peneder, Nelly Mak, Jacob Kaffey, Faith Rovenolt, Mac Walker, Seth Donoughe, Jasper Götting

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 针对大语言模型生物滥用问题，引入BioTIER基准，将生物内容分三个风险集，含542个专家策划提示及元数据，可隔离控制灾难性风险信息，确保生物科学知识获取，助力针对性生物风险缓解。

Comments 52 pages, 9 main figures, 9 supplementary figures, 1 main table, 9 supplementary tables

Pipette: An Embodied Simulation Platform, Benchmark, and Data-Efficient Augmentation Framework for Wet-Lab Robotics

面向湿实验室机器人的具身仿真平台、基准测试及数据高效增强框架

Zhe Liu, Huanbo Jin, Zhaohui Du, Zhe Wang, Dongzhan Zhou, Minting Pan, He Xu, Peijia Li, Jiaming Gu, Quan Lu, Qi Wang, Bin Ji, Ting Xiao

机构 * Key Laboratory of Smart Manufacturing in Energy Chemical Process Ministry of Education（能源化工过程智能制造国家重点实验室） ； Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Laboratory Medicine（实验室医学系） ； Shanghai Jiao Tong University School of Medicine（上海交通大学医学院） 纠错

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 提出Pipette平台，包含可编辑资产、仿真数据增强管道和11任务基准测试，将30次演示的VLA成功率从44.1%提升至74.7%。

Comments 19 pages, 19figures