医学 AI

NeuroGRIP: Retrieval-Augmented Graph Refinement for Knowledge-Grounded EEG Seizure Diagnosis

NeuroGRIP：用于基于知识的脑电图癫痫诊断的检索增强图细化

Lincan Li, Zheng Chen, Yushun Dong

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

AI总结 研究针对脑电图癫痫诊断难题，提出NeuroGRIP框架，结合外部医学知识校准脑电图图。通过构建知识库、利用大语言模型提取知识图，经对齐感知查询和相似性搜索检索关系证据，提升诊断准确性与可解释性，为临床诊断提供新框架。

Angular Gaussian Supervised Contrastive Learning for Long-Tailed Electrocardiogram Arrhythmia Diagnosis

用于长尾心电图心律失常诊断的角高斯监督对比学习

Jin Dai, Qiuzhen Zhang, Chenyun Dai, Danmei Lan, Can Han

机构 * School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Department of Neurology and Neurological Rehabilitation, Shanghai Yangzhi Rehabilitation Hospital, School of Medicine, Tongji University（同济大学医学院附属上海养志康复医院神经科与神经康复科） 纠错

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

AI总结 研究针对长尾心电图心律失常诊断问题，提出角高斯监督对比学习（AG-SCL），集成角高斯对比分支、自适应对数调整和尾部感知增强三个组件，在两个数据集上取得最佳宏观性能，增强对罕见心律失常敏感性并保持特异性。

TEDDY: A Pediatric Foundation Model for Risk Forewarning from ICD-Coded Diagnostic Histories

TEDDY：一种基于ICD编码诊断历史的儿科风险预警基础模型

Matthew Brady Neeley, Jorge Botas, Johnathan Jia, Lin Yao, Daniel Palacios, Benjamin Choi, Zhandong Liu, Hyun-Hwan Jeong

机构 * Baylor College of Medicine（贝勒医学院） 纠错

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

AI总结 研究利用儿科电子健康记录训练TEDDY模型，对纵向诊断轨迹和就诊时间建模，在疾病发病预测任务中表现出色，能支持广泛、罕见疾病和长期风险预测，无需大规模人口数据或数十亿参数模型。

An architectural capacity ceiling, not a barren plateau: why a fixed-encoding variational quantum circuit cannot fit the Lorenz-63 attractor

固定回路与变分量子架构在混沌动力学中的应用：在洛伦兹系统上对QRC和QPINN的基准测试

Tushar Pandey

机构 * Texas A&M University（德克萨斯理工大学） 纠错

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

AI总结 本文比较了固定回路与变分量子架构在洛伦兹系统混沌时间序列预测中的性能，发现QRC在训练速度和测试误差方面优于QPINN，且其稳定性源于非变分架构的设计。

Comments v2: major revision. Corrected McClean-comparable gradient-variance analysis (same-ansatz 2-design floor, live/dead parameter split), added optimiser-independence and output-Jacobian capacity diagnostics and a corrected Fourier ceiling; reframed the reservoir/ESN advantage as architectural, not quantum; title changed. 17 pages, 3 figures; iopart class

GenTL: A General Transfer Learning Model for Building Thermal Dynamics

GenTL：用于建筑热动力学的通用迁移学习模型

Fabian Raisch, Thomas Krug, Christoph Goebel, Benjamin Tischler

机构 * Technical University of Applied Sciences Rosenheim（应用技术大学罗斯海姆） ； Technical University of Munich（慕尼黑技术大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗克琴堡研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） 纠错

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

AI总结 研究针对建筑热动力学建模中迁移学习性能不一致问题，提出通用迁移学习模型GenTL，它基于LSTM网络用多建筑数据预训练，可有效微调至多种目标建筑，经测试相比单源模型平均预测误差降低42.1%，证明了该方法的有效性和可靠性。

Comments This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive Version of Record will be published in the ACM library in Jun 2025

Journal ref ACM E-Energy '25: Proceedings of the 16th ACM International Conference on Future and Sustainable Energy Systems (2025)

Improving interpretation of latent class models for diagnostic tests by recognizing their measurands via directed acyclic graphs (DAGs)

通过有向无环图（DAG）识别潜在测量值来改进诊断测试的潜在类别模型的解释

Nandini Dendukuri, Ian Schiller, Else Bijker, Michael Libman, Paul Gustafson, Patrick Bossuyt, Joanna Merckx

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究针对诊断测试中潜在类别模型解释问题，利用有向无环图识别测量值，分析其对模型似然函数、可识别性的影响，通过模拟及重新分析数据集，揭示忽略不同测量值会致估计偏差，展示该方法价值。

Comments 29 Pages, 4 Figures, 5 Tables

Self-Evolving Human-Centered Framework for Explainable Depression Symptom Annotation

用于可解释抑郁症症状标注的自我进化以人为中心框架

Hoang-Loc Cao, Van Pham, Truong Thanh Hung Nguyen, Phuc Truong Loc Nguyen, Phuc Ho, Veronica Whitford, Hung Cao

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对抑郁症标注质量瓶颈，提出结合大语言模型辅助与专家验证的自我进化标注框架，分三阶段运行，采用双记忆架构，能提高标注一致性和可解释性，减少人工修订，还输出多种信息实现可审计性。

Comments Accepted at IEEE International Conference on Omni-Layer Intelligent Systems (COINS) 2026

Interventional Causal Circuits for Safe Robot Action Testing and Failure Recovery

用于安全机器人动作测试和故障恢复的干预因果电路

Naren Vasantakumaar, Tom Schierenbeck, Michael Beetz

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究机器人动作安全测试及故障恢复问题，提出耦合联合概率树与因果电路并无需重新训练或额外数据收集的闭环框架，经实验验证该框架能减少失败尝试，且被拒计划可生成因果报告支持监督与恢复。

Comments 1st IJCAI Workshop on Safe Physical AI IJCAI 2026 workshop on Safe Physical AI

Evolution-Level Quantum Optimal Control of Single-Qubit Gates with Physics-Informed Neural Networks

基于物理信息神经网络的单比特门的演化级量子最优控制

Yao Du, Jian-Jian Cheng, Lin Zhang, Ming-Liang Hu, Xingang Wang

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究利用物理信息神经网络在演化层面进行单比特门设计，共同学习控制场等，改变优化对象，对旋转门和几何门优化效果良好，不仅能合成门，还使量子控制具备可读、可诊断和可局部优化等特性，有助于适应多种实验约束。

Comments 16 pages, 8 figures

Provable Coordination for LLM Agents via Message Sequence Charts

通过消息序列图实现LLM代理的可证明协调

Benedikt Bollig, Matthias Függer, Thomas Nowak

机构 * Université Paris-Saclay, CNRS, ENS Paris-Saclay, LMF, Gif-sur-Yvette, France（巴黎萨克雷大学、法国国家科学研究中心、巴黎萨克雷高等师范学院、LMF、法国吉夫-sur-耶vette） ； Institut Universitaire de France, Paris, France（法国国家科学院、巴黎，法国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出基于消息序列图的领域特定语言，用于规范LLM代理协调，解决死锁和消息类型不匹配等问题，通过语法引导投影生成无死锁的局部代理程序，并展示如何在LLM非确定性基础上建立协调属性。

Comments 42 pages; accepted at ISoLA 2026