医学 AI

Plausibility-Driven Prioritization of Candidate Biomedical Annotations

基于合理性驱动的候选生物医学注释优先级排序

Emanuele Cavalleri, Miad Alavinezhad, Dario Malchiodi, Marco Mesiti

机构 * Department of Computer Science（计算机科学系） ； University of Milano（米兰大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG、q-bio

AI总结 针对生物医学注释验证瓶颈，提出利用生物医学知识图谱估计候选注释合理性的框架。通过基于社区的负采样策略训练分类器，引入合理性度量，实验表明该方法提高了分类器鲁棒性和注释优先级排序有效性，提升了人工智能辅助生物医学编目的效率。

Neighborhood-Aware Dual Biomedical Entity Linking

感知邻域的双生物医学实体链接

Yicheng Tao, Jie Liu

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

AI总结 针对生物医学实体链接的挑战，提出三阶段框架PILOT，在五个基准上取得最优性能且推理高效。

DeepImagine: Clinical Trial Outcome Prediction via Stepwise Local Counterfactual Imaginations

DeepImagine: 通过连续反事实想象学习生物医学推理

Youze Zheng, Jianyou Wang, Yuhan Chen, Matthew Feng, Longtian Bao, Hanyuan Zhang, Maxim Khan, Aditya K. Sehgal, Christopher D. Rosin, Umber Dube, Ramamohan Paturi

机构 * Laboratory for Emerging Intelligence, University of California, San Diego（新兴智能实验室，加州大学圣地亚哥分校） ； Department of Dermatology, University of California, San Diego（皮肤科系，加州大学圣地亚哥分校） ； University of Chicago（芝加哥大学） ； Elsevier（艾尔斯特出版社） 纠错

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

AI总结 本文提出DeepImagine框架，通过连续反事实想象训练语言模型进行生物医学推理，利用反事实对偶和强化学习提升临床试验预测性能，展示模型在生物医学领域的可解释性改进。

Comments Preprint

Consensus Measures for Unstructured Biomedical Text Annotations

非结构化生物医学文本标注的一致性度量

Pascal Wullschleger, Christian Kreis, Martin A. Walter, Jennifer Foster, Marc Pouly

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 该研究针对生物医学非结构化文本标注的一致性量化难题，提出基于自然语言推理的折中度量方案，经实验验证多种语义等价度量的特性及局限性。

Quantization Effects on Biomedical LLM Reliability

量化对生物医学大语言模型可靠性的影响

Anton Rasmussen, Hong Qin

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

AI总结 该研究针对 Mistral-7B 变体在 PubMed RCT 句子分类任务上，评估量化及提示模板、评分规则等对生物医学大语言模型可靠性的影响，发现这些因素对校准和准确率的影响不可忽视。

Comments 8 pages, 1 figure

AutoProteinEngine: A Large Language Model Driven Agent Framework for Multimodal AutoML in Protein Engineering

AutoProteinEngine：一种用于蛋白质工程多模态自动机器学习的大语言模型驱动智能体框架

Yungeng Liu, Zan Chen, Yu Guang Wang, Yiqing Shen

专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio

AI总结 研究针对生物学家缺乏计算知识难以应用深度学习开展蛋白质工程的问题，提出AutoProteinEngine框架，集成LLMs与AutoML，经两项任务验证其性能优于传统方法，降低了深度学习应用门槛。

Multi-frequency far-field data enrichment for electromagnetic source reconstruction

用于电磁源重建的多频远场数据增强

Atyab Khalifa Al-Shaqsi, Heba Mohammed Al-Subhi, Xianchao Wang, Shujaat Khan, Abdul Wahab

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文针对电磁源重建中多频远场数据欠采样的问题，提出基于ALOHA方法的两阶段数据增强策略，实现了高子采样率和强噪声下的准确稳定重建，性能优于标准ℓ₁压缩感知基线。

Comments 22 pages, 7 figures, 4 tables

Supervised Dimensionality Reduction for Big Data

Joshua T. Vogelstein, Eric Bridgeford, Minh Tang, Da Zheng, Christopher Douville, Randal Burns, Mauro Maggioni

专题命中 生物医学文本 ：biomedical(abstract)

Comments 6 figures

Journal ref Nature Communications, volume 12, Article number 2872 (2021)