科学与医疗

医学 AI

医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。

2026-07-20 至 2026-07-20 共收录 3 篇信号源：cs.CV, cs.LG, q-bio, eess.IV, eess.SP

1. 医学数据与评测 3 篇

2607.15687 2026-07-20 cs.LG 新提交 57%

Toward Federated Multimodal Graph Foundation Models: A Topology-Aware Multimodal Alignment Framework

迈向联邦多模态图基础模型：一种拓扑感知多模态对齐框架

Xunkai Li, Guohao Fu, Yuming Ai, Zhengyu Wu, Hongchao Qin, Rong-Hua Li, Guoren Wang

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

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

AI总结研究针对多模态属性图分散在不同隐私受限孤岛的问题，提出FedGAMMA框架，将联邦多模态图基础学习视为两阶段语义结构对齐问题，经实验验证该框架在下游任务中表现出色，超越诸多基线，在少样本学习场景下也有优势。

Comments Under Review

2607.15766 2026-07-20 cs.CL 新提交 50%

Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery

行动之前：在前瞻性假设发现任务上对大语言模型进行基准测试

Tianyun Zhong, Wangyi Jiang, Wei Wang, Xuanang Chen, Yaojie Lu, Shiwei Ye, Yuzhen Shi, Boyu Yang, Jinghang Wang, Han Li, Weiqi Zhai, Bing Zhao, Hu Wei, Haiyang Yu, Yongbin Li, Hongyu Lin, Le Sun, Xianpei Han

机构 * University of Chinese Academy of Sciences（中国科学院大学）； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）； Alibaba Group（阿里巴巴集团）

专题命中医学数据与评测：diagnosis(abstract)

AI总结研究旨在评估大语言模型在开放式结论前阶段的发现能力，引入前瞻性假设发现任务及评估框架HypoArena，提出回顾性上下文回归构建基准数据，实验揭示模型能力分层及效应，结果支持将其作为评估大语言模型制定调查方向的独特目标。

2508.05321 2026-07-20 physics.med-ph cs.AI 版本更新 50%

Unsupervised Deep Learning for Inverse Problems in Computed Tomography

计算断层成像逆问题的无监督学习

Laura Hellwege, Johann Christopher Engster, Moritz Schaar, Thorsten M. Buzug, Maik Stille

机构 * Institute of Medical Engineering, University of Lübeck（吕贝克大学医学工程研究所）； Fraunhofer Research Institution for Individualized Medical Technology and Engineering (IMTE)（弗劳恩霍夫个性化医疗技术与工程研究所）

专题命中医学数据与评测：CT(abstract_cn)

AI总结本文提出一种无监督深度学习方法，用于解决无真实数据的计算断层成像逆问题，通过网络推理实现图像重建，优于传统方法并提升实时医疗成像效率。

Comments 19 pages, 12 Figures