医学 AI

Constraint-Aware Synthetic Tabular Data Generation via Inter-Column Constraint Discovery with LLM Agents

基于大语言模型智能体的列间约束发现的约束感知合成表格数据生成

Jianxing Zhao, Mao Guan, Dongyu Liu

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究针对合成表格数据易违反领域约束的问题，提出基于大语言模型智能体的列间约束发现的统一工作流，结合后处理器修复输出，提升了约束合规性与下游效用。

AutoMem: A Text-Gradient Recursive Self-Improvement Framework for Automated Memory Architectures Search

AutoMem：面向自动化记忆架构搜索的文本梯度递归自改进框架

Lin Du, Jie Zhou, Yuxuan Cai, Kai Chen, Qin Chen, Xin Li, Bo Zhang, Wei Li, Liang He

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 AutoMem是面向任务自适应记忆架构搜索的文本梯度递归自改进框架，通过经验引导架构搜索与失败引导模块诊断，在多基准测试中性能优于人工设计基线，实现了准确率与效率的良好权衡。

Do LLM Agents Negotiate Rationally? A Mechanism-Design Framework for Verifiable Multi-Agent Interaction over A2A/MCP

大语言模型智能体是否进行理性协商？面向A2A/MCP的可验证多智能体交互机制设计框架

Wael Albayaydh, Rui Zhao

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究针对A2A/MCP协议提出可验证多智能体交互机制设计框架，实验发现机制激励兼容性无法自动迁移至大语言模型智能体行为，相关成果连接经典多智能体理论与现代LLM智能体基础设施。

Comments 20 pages , 3 tables

Whole Blood-Based Point-of-Care Assay for Single-Tier Lyme Disease Testing

基于全血的莱姆病单级检测即时检验方法

Mihye Lee, Rajesh Ghosh, Artem Goncharov, Rui-Chian Tang, Barath Palanisamy, Gyeo-Re Han, Adrian Anaya, Elizabeth J. Horn, Paul M. Arnaboldi, Raymond J. Dattwyler, Omai B. Garner, Aydogan Ozcan, Dino Di Carlo

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究开发了WB-xVFA全血多重垂直流检测法，结合智能手机成像与机器学习，可20分钟内从全血实现莱姆病单级检测，在62份样本中灵敏度和特异性约97%，验证了床旁应用的可行性。

Comments 26 pages, 4 figures

The Calibration-Leverage Tradeoff in Exactly Solvable Win-Probability Models

可精确求解的胜率模型中的校准-杠杆权衡

Devansh Mishra

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 该研究构建可精确求解的马尔可夫胜率模型，发现其存在校准-杠杆结构性权衡，短程得分持续性是校准偏差主因，块自举模拟器可缩小26%校准差距。

Comments 19 pages, 2 figures, 3 tables

KHiM-Mamba: Injecting Pathology Knowledge into Mamba via Hidden-State Modulation for Whole Slide Image Analysis

KHiM-Mamba：通过隐藏状态调制将病理知识注入Mamba以用于 whole slide image（WSI）分析

Qixiang Zhang, Yi Li, Tianqi Xiang, Haonan Wang, Mengjiao Wei, Bo Xu, Xiaomeng Li

专题命中 病理影像 ：pathology(title)；分类 cs.CV、q-bio、eess.IV

AI总结 本研究提出KHiM-Mamba架构，通过将病理知识注入Mamba的选择性状态空间机制，解决纯视觉驱动的WSI分析问题，在4类任务的11个公共基准上取得最优性能。

Comprehensive Benchmarking of Deep Learning Architectures for Lung Cancer Histopathology

用于肺癌组织病理学的深度学习架构的综合基准测试

Hadi Hasan, Safaa Salman, Lama Sleem, Ralph Mouawad, Ali Chehab

机构 * American University of Beirut（贝鲁特美国大学） 纠错

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 本研究构建两阶段深度学习框架，整合6种分类模型与4种分割模型，在病理数据集上测试后将最优模型整合，为自动化病理图像分析提供高效基准。

Comments 8 pages

Decomposing Whole Slide Image Report Generation with Graph-Constrained Multiple Instance Learning Workflows

用图约束的多实例学习工作流分解全切片图像报告生成

Antony Gitau, Martyna Borak, Bjørn-Jostein Singstad, Martin Paulson, Karl Thomas Hjelmervik, Ola Marius Lysaker, Veralia Gabriela Sanchez

机构 * Faculty of Technology, Natural Sciences and Maritime Sciences, University of South-Eastern Norway（东南挪威大学技术、自然科学与海洋科学学院） ； Center for Cancer and Blood Diseases, Vestfold Hospital Trust（西福尔信托医院癌症与血液疾病中心） ； Faculty of Biomedical Engineering, Silesian University of Technology（西里西亚工业大学生物医学工程学院） 纠错

专题命中 病理影像 ：pathology(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 该研究提出图约束的多实例学习分解框架，结合Virchow2嵌入与器官条件图，提升WSI报告生成性能，明确器官路由是域转移瓶颈，支持错误定位。

Comments Accepted at the MICCAI 2026 REG Challenge

Test-Time Instance Selection for Improved Whole Slide Image Analysis

用于改进全切片图像分析的测试时实例选择

Quoc Anh Nguyen, Sunhong Park, Jin Tae Kwak

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV、q-bio、eess.IV；medical AI(comments)

AI总结 本研究提出无需训练的即插即用测试时实例选择框架TTIS，融入多视图集成策略，可无缝集成到现有MIL模型，在多个WSI分析基准任务中性能优于或匹配基线模型。

Comments Accepted at The 2nd MICCAI Workshop on Efficient Medical AI (EMA4MICCAI 2026)

LUNG-KGMM: Knowledge-Guided Multimodal Learning for Lung Cancer Incidence Prediction

LUNG-KGMM：用于肺癌发病预测的知识引导多模态学习

Chunlei Yang, Shuyan Li, Zhong Cao

专题命中 病理影像 ：radiology(abstract)；分类 cs.CV、cs.LG

AI总结 本研究提出LUNG-KGMM知识引导多模态框架，整合多类数据与临床知识开展1-6年肺癌发病预测，经MIMIC及厦门队列验证，其性能优于现有方法且具备跨队列可迁移性。

Comments 22 pages, 4 figures, 7 tables, accepted by PRCV Oral

Journal ref The 9th Chinese Conference on Pattern Recognition and Computer Vision, PRCV2026

IMPLICITSTAINER: Resolution Agnostic Data-Efficient Virtual Staining Using Neural Implicit Functions

IMPLICITSTAINER：基于神经隐式函数的无分辨率依赖数据高效虚拟染色

Tushar Kataria, Beatrice Knudsen, Shireen Y. Elhabian

机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） ； Department of Pathology, University of Utah（犹他大学病理学系） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出IMPLICITSTAINER，通过神经隐式深度学习模型将H&E图像转化为IHC图像，实现无分辨率依赖的高效虚拟染色，提升低数据场景下的鲁棒性与输出确定性。

CytoFormer: A Molecularly Supervised Cell Foundation Model for Histopathology Cell Classification

CytoFormer：用于组织病理学细胞分类的分子监督细胞基础模型

Jialu Yao, Songhao Li, Alina Yu, Zhi Huang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Germantown Friends School（日耳曼敦贵格会学校） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 CytoFormer利用配对H&E染色与空间转录组学数据训练细胞基础模型，在细胞分类、迁移学习及主动学习中表现优异，为常规组织学的细胞分析提供高效可复用表示。

Comments 20 pages, 5 figures, 2 extended data figures

Interactive Whole Slide Images for RL-based Tumour Segmentation

用于基于强化学习的肿瘤分割的交互式全切片图像

Mohamad Mohamad, Francesco Ponzio, Maxime Gassier, Nicolas Pote, Xavier Descombes

机构 * Université Côte d’Azur（蔚蓝海岸大学） ； Inria（法国国家信息与自动化研究所） ； CNRS（法国国家科学研究中心） ； INSERM（法国国家健康与医学研究院） ； IBV（生物信息研究所） ； Politecnico di Torino（都灵理工大学） ； Bichat Hospital（比沙医院） ； Assistance Publique–Hôpitaux de Paris（巴黎公共医疗集团） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 该研究针对全切片图像分析的计算挑战，提出端到端强化学习框架，将WSI建模为交互式分层多分辨率环境，经PPO训练的智能体可直接完成全切片肿瘤分割，推理速度快且效果与基于图像块的方法相当，为计算病理学提供新方向。

Valid Per-Field Selective Risk Control for Document Extraction: Three Failure Modes, a Validity Ladder, and When Conditioning Pays

文档提取的有效逐字段选择性风险控制：三种失效模式、一个有效性阶梯及条件化何时奏效

Bhaskar Gurram

机构 * Zasti AI（扎斯蒂人工智能公司） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 本文针对文档提取的逐字段选择性风险控制问题，诊断出三种失效模式，提出有效性阶梯修复方案，通过多种方法验证了支持-bin等策略的效果，发布了开源代码。

Comments 14 pages. Seed-pinned, regression-gated harness (Apache-2.0): https://github.com/bhaskargurram-ai/verifydoc . Companion benchmark paper: VerifyDocBench

Non-KKT Accumulation in Entropic Mirror Descent

熵镜像下降中的非KKT积累

Kuangyu Ding, Kim-Chuan Toh

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 该研究针对有界镜像下降序列的KKT积累问题，构造反例证明其积累点可为非KKT点，揭示边界Bregman几何退化是该问题的根源。

Strategic Technical Debt: A Real Options Approach to Early-Stage Software Experimentation

策略性技术债务：早期软件实验的实物期权方法

Rashid Azarang, Mohammad Reza Azarang Esfandiari

专题命中 病理影像 ：pathology(abstract)

AI总结 本文将早期软件实验中刻意产生的技术债务视为看涨期权，明确策略性与有毒债务的边界，构建序贯模型得出关键结论，并开展两项预注册实证检验。

Comments 25 pages, 4 figures. Pre-registered empirical program: OSF bs3cr (EP3'), rvx5t (EP-Pi)

Thinking with Gaze: Sequential Eye-Tracking as Visual Reasoning Supervision for Medical VLMs

通过目光思考：将眼动作为视觉推理监督用于医学视觉语言模型

Yiwei Li, Yifan Zhou, Huaqin Zhao, Zihao Wu, Zhengliang Liu, Xiang Li, Quanzheng Li, Tianming Liu, Lin Zhao

机构 * School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Computer Science and Engineering, University of Texas, Arlington（德克萨斯大学阿灵顿分校计算机科学与工程系） ； Massachusetts General Hospital, Harvard Medical School（麻省总医院哈佛医学院） ； Department of Biomedical Engineering, New Jersey Institute of Technology（新泽西理工学院生物医学工程系） 纠错

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

AI总结 通过引入眼动标记，利用时间有序的注视轨迹引导医学VLM的视觉推理，提升放射学任务的性能与鲁棒性。

Concept-based explanation of gene expression prediction from H&E images

基于概念的H&E图像基因表达预测解释

Amos Muench, Jonathan Thielmann, Reduan Achtibat, Maximilian Dreyer, Philip Bischoff, Caroline Forsythe, Hamidreza Parand, Thomas Walter, David Horst, Sebastian Lapuschkin, Wojciech Samek, Teresa Gabriela Krieger

机构 * Institute of Pathology – Charité Universitätsmedizin（夏里特医学院病理学研究所） ； Fraunhofer Heinrich-Hertz-Institute（弗劳恩霍夫海因里希·赫兹研究所） ； Center for Computational Biology (CBIO), Mines Paris, PSL University（巴黎矿业学院计算生物学中心（巴黎文理研究大学）） ； Institut Curie, PSL University（居里研究所（巴黎文理研究大学）） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Technological University Dublin（都柏林理工大学） ； Technische Universität Berlin（柏林工业大学） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） 纠错

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

AI总结 本研究提出结合相关性传播与概念发现的可解释ViT框架，用于从H&E图像预测空间转录组学，可关联分子表型与组织形态，能准确预测结直肠癌相关ST特征并分层患者结局。

Domain-Agnostic Neural Topic Modeling with Contextual Token-Level Semantic Graph Representation

基于上下文词级语义图表示的领域无关神经主题模型

Seung-Won Seo, Won Ik Cho, Yongmin Yoo

机构 * TelePIX AI Center（TelePIX人工智能中心） ； Samsung Electronics（三星电子） ； School of Computing & Frontier AI Research Centre Macquarie University（麦考瑞大学计算与前沿人工智能研究中心） 纠错

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

AI总结 该研究提出领域无关框架DARTopic，通过构建词级语义图并联合训练GNN编码器与主题推理模块，在多领域基准测试中优于基线且效率更优。

One Score, Two Decisions: Selective Prediction on the Rare-Disease Tail

一个分数，两个决策：针对罕见疾病尾部的选择性预测

Zhaoyang Jiang, Zhizhong Fu, Yunsoo Kim, Zicheng Li, Xuanqi Peng, Fei Teng, Jiacong Mi, Honghan Wu

机构 * School of Health & Wellbeing, University of Glasgow（格拉斯哥大学健康与福祉学院） ； Shanghai Sixth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第六人民医院） ； School of Life Science and Technology, University of Electronic Science and Technology of China（电子科技大学生命科学与技术学院） 纠错

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

AI总结 针对罕见疾病尾部的选择性预测，研究发现现有小型开放权重LLM在超罕见疾病上表现受限，前两位边际可提升部分病例选择性准确率，且仅未标记分数无法确定边际切换是否有益。

Phil Bourne (1953-2026): From Small Molecules to Big Data --- The Journey of a Multifaceted Visionary

菲尔·伯恩（1953-2026）：从小分子到大数据 —— 一位多面有远见者的历程

Andreas Prlić, Cameron Mura

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

AI总结 本文纪念2026年去世的菲尔·伯恩，回顾其从小分子到大数据的跨尺度科学生涯，提及他获国际计算生物学学会2026年度杰出服务奖却未能领奖，以及他在多领域的奠基贡献与纪念网站的相关信息。

Comments 8 pages, 3 figures

Relative and absolute dosimetric commissioning of the ELIMAIA--ELIMED laser-driven proton beamline at 23.45 MeV

ELIMAIA--ELIMED激光驱动质子束线在23.45 MeV下的相对与绝对剂量学调试

G. A. P. Cirrone, G. Petringa, A. Kurmanova, R. Catalano, A. Amato, A. Pappalardo, M. G. Guarrera, F. Schillaci, P. Blaha, F. Grepl, M. Tryus, A. Velyhan, L. Giuffrida, D. Margarone, G. Cuttone

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究完成ELIMAIA--ELIMED激光驱动质子束线的剂量学调试，通过辐射变色膜、法拉第杯等测量及蒙特卡罗模拟，确立剂量学链并明确在线监测系统运行极限。

MEDEA: A Design-Time Multi-Objective Manager for Energy-Efficient DNN Inference on Heterogeneous Ultra-Low Power Platforms

MEDEA：面向异构超低功耗平台上高能效DNN推理的设计时多目标管理器

Hossein Taji, José Miranda, Miguel Peón-Quirós, David Atienza

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 MEDEA是一种异构超低功耗平台上的设计时多目标管理器，整合多项技术实现DNN推理的高能效，在HEEPtimize平台上针对癫痫检测案例，较现有方法最高降能耗38%且满足时序内存要求。

Comments Published in ACM Transactions on Embedded Computing Systems. Accepted on 01 August 2026. https://dl.acm.org/doi/10.1145/3841170

Journal ref ACM Transactions on Embedded Computing Systems, 01 August 2026

Structural and electronic properties of uranium-encapsulated Au14 cage

Yang Gao, Xing Dai, Seung-gu Kang, Camilo Andres Jimenez Cruz, Minsi Xin, Yan Meng, Jie Han, Zhigang Wang, Ruhong Zhou

专题命中 生物医学文本 ：biomedical(abstract)

Journal ref Sci. Rep. 2014, 4, 5862

SincPD: An Explainable Method based on Sinc Filters to Diagnose Parkinson's Disease Severity by Gait Cycle Analysis

Armin Salimi-Badr, Mahan Veisi, Sadra Berangi

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

Journal ref Discover Artificial Intelligence, 2026

A Physiology-Informed Digital Twin Framework for Simulating Liver Health Progression

一种用于模拟肝脏健康进展的生理学驱动数字孪生框架

Sumaiya Afroz Mila, Sandip Ray

机构 * University of Florida（佛罗里达大学） 纠错

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

AI总结 本研究提出生理学驱动的肝脏数字孪生模型HEPATWIN，整合肝脏生理机制与患者特异性输入，经校准后可模拟肝脏疾病进展，能生成临床可用生物标志物，支持NASH检测，为肝脏健康监测提供新途径。

Comments This paper is under review at IEEE Journal of Biomedical and Health Informatics (JBHI)

Dissecting Embodied Abilities in Multimodal Language Models through Skill-level Evaluation and Diagnosis

通过技能级评估与诊断解构多模态语言模型的具身能力

Yu Qi, Haibo Zhao, Ziyu Guo, Siyuan Ma, Ziyan Chen, Yaokun Han, Renrui Zhang, Zitiantao Lin, Yizhe Zhu, Shiji Xin, Yijian Huang, Boce Hu, Kai Cheng, Peiheng Wang, Jiazheng Liu, Jiayi Zhang, Yizhe Zhu, Wenqing Wang, Yiran Qin, Haojie Huang, Lawson L. S. Wong

机构 * Northeastern University, Boston, MA, USA ； The Chinese University of Hong Kong, Hong Kong, China ； Peking University, Beijing, China ； Westlake University, Hangzhou, China ； Harvard University, Cambridge, MA, USA ； Purdue University, West Lafayette, IN, USA ； University of Oxford, Oxford, United Kingdom 纠错

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

AI总结 本文提出BEAR基准，通过分解具身任务为14个原子技能进行细粒度评估，发现感知能力是推理失败的主要瓶颈，并提出BEAR-Agent多模态对话代理，显著提升具身技能性能。

Comments Accepted to ICML 2026

ARISE: An adaptive residual-informed stability ensemble for feature selection in small-sample biomedical omics

ARISE：用于小样本生物医学组学特征选择的自适应残差感知稳定性集成方法

Zardad Khan, Amjad Ali, Naz Gul, Sheema Gul, Saeed Aldahmani

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

AI总结 该研究提出ARISE方法，整合多类特征选择相关机制，在多组学数据集的小样本分子分类任务中，相比对比方法在多项指标上均取得最优表现。

Comments 30 pages, 6 figures

Graph Machine Learning: An Opportunity for Power Systems

图机器学习：电力系统的一个机遇

Martin Sadric, Sebastian Pütz, Christian Nauck, Veit Hagenmeyer, Frank Hellmann, Dirk Witthaut, Benjamin Schäfer

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Helmholtz AI（亥姆霍兹人工智能） ； Potsdam Institute for Climate Impact（波茨坦气候影响研究所） 纠错

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

AI总结 该研究调研近800篇图机器学习与电力系统交叉论文，分析其在电力系统多场景的应用价值，指出领域现存挑战，推导电网基准需求目录并呼吁优先开展基准研究与开放资源发布。

A Versatile Foundation Model for AI-enabled Mammogram Interpretation

一种用于AI辅助乳腺X线摄影解读的通用基础模型

Fuxiang Huang, Jiayi Zhu, Yunfang Yu, Yu Xie, Yuan Guo, Qingcong Kong, Mingxiang Wu, Xinrui Jiang, Shu Yang, Jiabo Ma, Ziyi Liu, Zhe Xu, Zhixuan Chen, Yujie Tan, Zifan He, Luhui Mao, Xi Wang, Junlin Hou, Lei Zhang, Qiong Luo, Zhenhui Li, Herui Yao, Hao Chen

机构 * Guangdong Provincial Key Laboratory of Malignant Tumor Epigenetics and Gene Regulation, Guangdong-Hong Kong Joint Laboratory for RNA Medicine, Department of Medical Oncology, Breast Tumor Centre, Phase I Clinical Trial Centre（广东省恶性肿瘤表观遗传与基因调控重点实验室，粤港澳RNA医学联合实验室，医学肿瘤科，乳腺肿瘤中心，I期临床试验中心） ； Guangdong Provincial Key Laboratory of Cancer Pathogenesis and Precision Diagnosis and Treatment, AI Big Data Laboratory, Department of Medical Oncology（广东省肿瘤发生与精准诊断与治疗重点实验室，人工智能大数据实验室，医学肿瘤科） ； Chongqing Key Laboratory of Bio-perception（重庆生物感知重点实验室） 纠错

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

AI总结 研究针对乳腺X线分析基础模型的临床转化缺陷，推出VersaMammo模型，构建含70余万张图像的多机构数据集，经两阶段预训练后在92项临床任务基准中表现顶尖，推动乳腺癌筛查诊断进展。

Comments 69 pages, 12 figures, 52 tables