医学 AI

MolBioKG: Grounding Out-of-Graph Molecules in Biomedical Knowledge Graphs via Multi-Resolution Structural Anchoring

MolBioKG：通过多分辨率结构锚定将图外分子锚定到生物医学知识图谱中

Yiming Zhang, Hikaru Shindo, Shuan Chen, Kaushalya Madhawa, Jun Jin Choong, Yuna Oikawa, Takashi Fujiwara, Keisuke Ozawa

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

AI总结 MolBioKG是解决生物医学KG中图外分子冷启动问题的两层系统，通过多分辨率结构锚定实现分子与KG的关联，在多项任务中优于基线并提升关键指标。

Comments Preprint

From Enumeration to Covering: Near-Optimal Densest P-Partite Subgraph Search over Large Heterogeneous Information Networks

从枚举到覆盖：大型异构信息网络上的近最优P部稠密子图搜索

Lu Chen, Chengfei Liu, Rui Zhou, Jiajie Xu, Jianxin Li

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文针对异构信息网络的稠密P部子图问题，提出用覆盖替代枚举的自适应剥离算法，实现近最优近似比，在真实网络上较枚举方法大幅加速，可验证子图近最优性。

The Word and the Way: Strategies for Domain-Specific BERT Pre-Training in German Medical NLP

词与道：德语医学NLP中领域特定BERT预训练的策略

Henry He, Johann Frei, Raphael Schmitt

机构 * School of Computation, Information and Technology（计算信息科技学院） ； Technical University of Munich（慕尼黑技术大学） ； Chair of IT Infrastructure for Translational Medical Research（转化医学研究信息基础设施主任） ； Faculty of Applied Computer Science（应用计算机科学学院） ； University of Augsburg（艾希施泰特大学） ； Institute of General Practice（基础医学研究所） ； Faculty of Medicine and Medical Center（医学学院和医学中心） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出ChristBERT系列模型，通过对比持续预训练、从头训练和领域词汇适应三种策略，在德语医学NLP任务中实现最优性能，并建立新的基准。

Comments Under revision at BMC Medical Informatics and Decision Making

Journal ref BMC Med Inform Decis Mak 26, 296 (2026)

Explanation Stability of Test-Time Adaptation in Computational Pathology: A Large-Scale Benchmark

计算病理学中测试时自适应的解释稳定性：大规模基准测试

R. G. Bahumanya, Harshith V. M., Shreyank N. Gowda, Anala M. R

机构 * R.V. College of Engineering（R.V.工程学院） ； University of Nottingham（诺丁汉大学） 纠错

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

AI总结 该研究构建了计算病理学TTA的大规模基准，发现不同TTA方法对模型解释的影响差异显著，解释稳定性与自适应质量弱相关，强调了解释稳定性是TTA的重要可靠性维度。