医学 AI

A PubMed-Scale Dataset of Structured Biomedical Abstracts

一个PubMed规模的生物医学结构化摘要数据集

Chia-Hsuan Chang, Haerin Song, Brian Ondov, Hua Xu

机构 * Department of Biomedical Informatics & Data Science, School of Medicine, Yale University（耶鲁大学生物医学信息学与数据科学系，医学院） 纠错

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

AI总结 针对PubMed中大量非结构化摘要阻碍下游文本处理的问题，构建了包含2320万条记录的结构化摘要语料库，其中590万条来自官方XML，1720万条通过大语言模型自动标注，统一为五段格式。

Comments Data and code for this work are available at https://doi.org/10.5281/zenodo.20336717 and https://github.com/BIDS-Xu-Lab/StructuredPubMed, respectively

Detecting Speculative Language in Biomedical Texts using Recurrent Neural Tensor Networks

使用递归神经张量网络检测生物医学文本中的推测性语言

Dhruv Dixit

机构 * Stevens Institute of Technology（史蒂文斯理工学院） 纠错

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

AI总结 利用分布式句子表示和深度学习技术，提出递归神经张量网络（RNTN）用于自动检测生物医学文献中的推测性语言，性能略优于线性双元SVM（F1=0.885 vs 0.881）。

Comments 12 Pages

Evaluating Advanced Prompting on Gemini Flash for Multi-Hop Biomedical QA

评估 Gemini Flash 上的高级提示工程用于多跳生物医学问答

Ahmed Bajaber, Mohammed Alliheedi

机构 * Saudi Med AI Lab (SMAIL)（沙特医学人工智能实验室（SMAIL）） ； Prince Sultan University（普森国王大学） ； Al-Baha University（阿勒巴哈大学） 纠错

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

AI总结 本研究通过设计多组件提示（角色扮演、多步思维链示例和格式规则），在 Gemini 2.0 Flash 上实现概念级得分0.720，显著优于基线0.565，并接近下一代模型性能，证明高级提示设计对释放LLM推理能力至关重要。

Comments 8 pages, proceedings of the BioCreative IX Challenge and Workshop (BC9) at IJCAI 2025

Journal ref Proc. BioCreative IX Workshop (BC9), IJCAI 2025, Montreal, Canada

Medical Physics and Biomedical Engineering Education, Training and Professional Development

医学物理与生物医学工程教育、培训及职业发展

Emily Simpson-Page, Naasiha Cassim, Dominika Firth, Emma Spelleken, Suzanne Lydiard

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

AI总结 为满足澳大利亚医学物理与工程学院新成员及早期职业成员需求，2021年成立特殊兴趣小组。通过成员网络协作及调查数据驱动，该小组旨在为成员提供机会与举措，补充现有培训指导项目。

Comments 7 pages, 3 figures, accepted for publication in the IFMBE Proceedings on the World Congress on Medical Physics and Biomedical Engineering 2022

Semantic Reasoning in Medicine: The Role of Knowledge Graphs Across Five Key Domains

医学中的语义推理：知识图谱在五个关键领域的作用

Haniye Sherafatmandjoo, Mohammad Akbari, Zahed Rahmati

机构 * Amirkabir University of Technology（阿米尔卡比尔理工大学） 纠错

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

AI总结 综述知识图谱在医学中的应用，涵盖临床决策支持、疾病预测、健康推荐、精准医疗和医学问答，并讨论构建方法、挑战及未来方向。

Let LLMs Judge Each Other: Multi-Agent Peer-Reviewed Reasoning for Medical Question Answering

让LLMs互相评判：面向医学问答的多智能体同行评审推理

Zaifu Zhan, Shuang Zhou, Rui Zhang

机构 * University of Minnesota（明尼苏达大学） 纠错

专题命中 生物医学文本 ：medical AI(abstract)；biomedical(abstract)

AI总结 提出多智能体同行评审推理方法，让多个LLM独立生成思维链推理并相互评估，选择最优推理链输出答案，在三个医学问答数据集上优于单模型和多数投票方法。

Comments Accepted by the Journal of the American Medical Informatics Association

M$^3$-Gen: Interpretable Multimodal Generation of Gene Expression Profiles Using Clinical and Imaging Data

M$^3$-Gen：利用临床和影像数据对基因表达谱进行可解释的多模态生成

Francesca Pia Panaccione, Carlo Sgaravatti, Marco Venere

机构 * DEIB - Dipartimento Elettronica, Informazione e Bioingegneria, Politecnico di Milano（米兰理工大学电子、信息与生物工程系） 纠错

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

AI总结 研究旨在解决基因表达数据获取受限问题，提出M$^3$-Gen框架，通过对比学习从临床变量和图像中学习潜在表示，以生成生物学连贯的基因表达谱，在TCGA数据集上验证有效性，且具有内在可解释性。

Comments 15 pages, 6 figures

The Singularity Space: A Generative Diffusion Framework for Signal Representation

奇点空间：一种用于信号表示的生成扩散框架

Eli Bar-Yosef, Amir Averbuch, Eli Turkel

机构 * Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 研究提出奇点空间这一用于信号表示的生成扩散框架，基于复平面奇点，利用基于变压器的扩散模型，具有可解释性、结构稳定性等特性，在一维伯格斯激波测试中表现良好，为瞬变主导信号提供实用基础。

VOICE: A Vision-Omics Foundation Model Integrating Direct and Retrieval-Based Prediction of In-situ Single-Cell Gene Expression

VOICE：一种融合原位单细胞基因表达直接预测与基于检索预测的视觉-组学基础模型

Xin Luo, Yicheng Tao, Haoxuan Zeng, Suyuan Wang, Chenzi Ouyang, Meiqi Zhu, Kai Liu, Shuibing Chen, Jie Liu

机构 * University of Michigan（密歇根大学） ； Weill Cornell Medicine（威尔康奈尔医学院） 纠错

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

AI总结 该研究提出多模态基础模型 VOICE，通过对比学习对齐 H&E 形态与单细胞表达嵌入，融合直接回归与参考检索分支，泛化性良好且在七项指标上优于现有方法，可从 H&E 图像预测单细胞基因表达。

Biological Amnesia in ICU Time-Series Prediction: A Drift-Adaptive Two-Stream Architecture with Temporal Retrieval

重症监护室时间序列预测中的生物失忆：一种具有时间检索的漂移自适应双流架构

Fatema Ferdous Tamanna, K. M. Merajul Arefin, Md. Abdul Masud

机构 * Patuakhali Science and Technology University（帕图阿卡利科学技术大学） ； University of Dhaka（达卡大学） 纠错

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

AI总结 研究重症监护室时间序列预测中临床决策支持系统退化问题，提出自适应临床智能架构，通过解耦生理与治疗表征、限制参数更新等实现漂移自适应，实验验证其有效性，为高风险临床环境中部署自适应模型提供模板。

Comments 10 pages, 3 figures, 8 tables. Code and aggregate audit logs available at: [https://github.com/empresst/ClinicalRag]. Under Review

Correlation Is Not Enough: Embedding Human Metadata for Individual Causal Discovery

相关性不够：嵌入人类元数据用于个体因果发现

Suraj Biswas, Saurabh Gupta, Pritam Mukherjee

机构 * Assessli Research（Assessli研究） ； Dots-In Research（Dots-In研究） 纠错

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

AI总结 针对预训练生物医学语言模型在跨域无关对中产生高余弦相似度（0.76-0.92）导致因果推断错误的问题，提出对比学习（提升分离度至1.63x）和BODHI硬负例挖掘（提升至2.30x），结合OpenVINO优化实现133倍加速。

Comments 20 pages, 18 figures, 9 tables

AutoSchema: Live Schema Grounding for Agentic Text-to-Sparql over Heterogeneous Knowledge Graphs

AutoSchema：面向异构知识图谱的智能体文本转SPARQL的实时模式接地

Yiming Zhang, Koji Tsuda

机构 * The University of Tokyo（东京大学） ； National Institute for Materials Science（国立材料科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所高级智能项目中心） 纠错

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

AI总结 提出无需训练的AutoSchema框架，用于异构知识图谱的智能体文本转SPARQL的实时模式接地，在多项生物医学KGQA等任务中优于TogoMCP，可支持未记录RDF图谱。

Novel Knowledge-Guided Generative Methods for Synthetic Transcriptomic Data

面向合成转录组数据的新型知识引导生成方法

Francesca Pia Panaccione, Sofia Mongardi, Marco Masseroli, Pietro Pinoli

机构 * Politecnico di Milano（米兰理工大学） 纠错

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

AI总结 该研究针对转录组数据的获取限制，提出并基准测试三种生成对抗网络变体，其中MK-TGAN模型结合图神经网络整合先验知识，生成的合成转录组数据真实性与实用性更优。

Class Geometry as Supervision for Sample-Efficient Open-World Detection

类别几何作为样本高效开放世界检测的监督信号

Akash Rao, Zhou Chen, Revanth Reddy Palem, Udhav Ramachandran, Ruth Scimeca, Sathyanarayanan N. Aakur

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

AI总结 该研究针对开放世界目标检测的数据稀缺挑战，提出类别几何监督（CGS）框架，通过保留类别间关系结构提升样本效率，在多任务场景中验证了其有效性。

Comments Under review. 12 Pages, 5 figures, 4 tables

Conditional Independence Tests for Constraint-Based Causal Discovery: A Survey

基于约束的因果发现的条件独立性检验：综述

Pavel Averin, Theodoros Moysiadis, Ioannis Katakis

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

AI总结 该综述针对生物医学领域常见的高维混合类型场景，梳理六大类条件独立性检验方法，分析其优缺点，关联测试级与图级错误，对比主流库应用并总结开放挑战。

Comments 33 pages. Published in Transactions on Machine Learning Research (07/2026). https://openreview.net/forum?id=3jzafJK8Tz

Journal ref Transactions on Machine Learning Research (07/2026)

Frequency demodulation with magnetoelectric coreshells: A novel approach to enhanced bio-stimulation

磁电核壳结构的频率解调：一种增强生物刺激的新方法

Ram Prasadh Narayanan, Ali Khaleghi, Ilangko Balasingham

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

AI总结 该研究提出利用磁电核壳器件的非线性特性实现频率解调与生物刺激，通过多物理场仿真和跨模型验证证实其可诱导神经细胞膜电位，有望开发为多功能局部化核壳用于生物医学领域。

Comments 6 pages, 7 figures, 1 table. CC BY 4.0. Supported by B-CRATOS project, Horizon 2020 FET-OPEN, grant 965044, and ERCIM Alain Bensoussan Fellowship Programme

Journal ref Proceedings of the 10th ACM International Conference on Nanoscale Computing and Communication (NANOCOM 2023), September 20-22, 2023, Coventry, UK, pp. 59-64

A Scale-adaptive Vision Model Links C. elegans Neuronal Morphology to Behavior for Neurotoxicity Assessment

一种尺度自适应视觉模型将秀丽隐杆线虫神经元形态与行为联系起来用于神经毒性评估

Haochao Ying, Shenchong Lv, Yutao Sun, Zijian Tu, Xufeng Jin, Yuyang Xu, Yizhe Wang, Wei Yang, Xiaomin Yue, Jian Wu, Peilin Yu

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

AI总结 研究针对神经毒性评估难题，引入专用自监督视觉模型及多粒度共聚焦基准，提出尺度自适应掩码图像建模策略，在多任务中超越基础模型，融合特征可预测行为缺陷，筛选化学品发现新神经毒性决定因素，为评估和药物发现提供新方法。

Local Causal Structure Learning in the Presence of Latent Variables and Selection Bias

存在潜在变量和选择偏差时的局部因果结构学习

Zheng Li, Hao Zhang, Ruxin Wang, Ruichu Cai, Kun Zhang, Feng Xie

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

AI总结 研究存在潜在变量和选择偏差时的局部因果结构学习，提出LoCaLS算法，刻画局部区域并建立理论桥梁，该算法在标准假设下合理完备，实验证明其结构精度高于局部方法且计算量小于全局方法，在生物数据分析中有实际应用。

One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata

通过自组织神经细胞自动机实现无序超材料的一次性生成设计

Yujie Xiang, Liwei Wang

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

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

AI总结 研究针对无序超材料设计难题，提出基于神经细胞自动机的生成设计框架，仅需单个训练模板，能生成多样微观结构并适应不同域，通过操纵局部规则实现特定性能控制，在多尺度机械隐身设计中验证了其有效性，为相关领域提供了新方法。

Quantifying the complexity of trajectory ensembles with clustering-weighted multivariate multiscale sample entropy

用聚类加权多元多尺度样本熵量化轨迹集合的复杂性

Chenxiao Tian, J/"urgen Hackl

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

AI总结 研究针对轨迹集合数据，提出聚类加权多元多尺度样本熵（CWMMSE），可分组轨迹并加权其动态复杂性，分离个体复杂性和总体多样性，通过多系统验证其排序与平均法不同，表明应测量总体复杂性而非求平均。

A Nearable Soft Mat Based on Distributed Optical Fiber Sensing for Physiological Monitoring

基于分布式光纤传感的近距软垫用于生理监测

Vincenzo Lavorgna, Martina Pulcinelli, Andrea Polimadei, Rosaria D Amato, Carlo Massaroni, Michele Arturo Caponero, Emiliano Schena, Daniela Lo Presti

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

AI总结 研究基于分布式光纤传感提出用于生理监测的软垫，将单模光纤嵌入柔性硅树脂基质呈蛇形布局，经实验在标准办公椅靠背上对志愿者测试，实现大面积分布式传感、空间映射及定量心肺监测，验证了该方法的可行性。

Deceptive Grounding: Entity Attribution Failure in Clinical Retrieval-Augmented Generation

欺骗性基础：临床检索增强生成中的实体归因失败

Cedric Caruzzo, Donggeun Yoo, Tae Soo Kim

机构 * Lunit（鲁尼特） 纠错

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

AI总结 研究临床检索增强生成中的欺骗性基础问题，通过对13个模型测试发现DG率8%-87%，医学等微调模型高达86.7%。控制消融确定机制，实体归因验证可检测DG，现有框架未实施，为该领域研究提供新视角和方法。

Comments 24 pages, 7 figures, 12 tables

DeepPySR -- A Symbolic Regression Framework with Dynamic Pruning, Pareto Selection, and Hierarchical Composition for Real-World Scientific Discovery

DeepPySR——一个用于现实世界科学发现的具有动态剪枝、帕累托选择和分层组合的符号回归框架

Fuling Chen, Kevin Vinsen, Phillip Melton, Rae-Chi Huang

机构 * International Centre for Radio Astronomy Research (ICRAR), University of Western Australia（国际射电天文学研究中心（ICRAR），西澳大利亚大学） ； The Raine Study, University of Western Australia（雷恩研究中心，西澳大利亚大学） ； Menzies Institute for Medical Research, University of Tasmania（孟席斯医学研究所，塔斯马尼亚大学） ； Nutrition & Health Innovation Research Institute, School of Medical and Health Sciences, Edith Cowan University（营养与健康创新研究所，伊迪斯科文大学医学与健康科学学院） 纠错

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

AI总结 针对符号回归面临的高维输入等挑战，DeepPySR通过动态变量剪枝、指数帕累托选择标准和分层符号组合架构来解决，在多个数据集上表现出色，能产生与领域风险因素一致的可解释公式。

Canopy: A Heterograph Foundation Model for Metabolic Engineering

Canopy：用于代谢工程的异构图基础模型

Jake Bowden, Laurence Legon, Satnam Surae

机构 * an in-house laboratory information management system (LIMS)（一个内部实验室信息管理系统（LIMS）） 纠错

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

AI总结 代谢工程中设计高产微生物菌株有挑战，Canopy异构图基础模型集成多数据源成知识图谱，用特定模型编码特征，经自监督目标预训练，在发酵滴度预测任务中表现优于基线。

Comments Accepted at ICML GenBio Workshop 2026 https://openreview.net/forum?id=H8bvgKoT7j

KARMA: Knowledge graph-based Automated Reasoning Materialization and Alignment

KARMA：基于知识图谱的自动推理实例化与对齐

Jinkyeong Choi, Chaebin Jeong, Donghyeon Park

机构 * Sejong University（世宗大学） 纠错

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

AI总结 研究针对基于模板对比合成的问题，提出KARMA方法，通过枚举知识图谱路径生成对比候选，用解耦槽级目标进行偏好监督，在多领域基准测试中表现优于基线。

Comments First version, 20 pages

A Precedent-Guided Co-Scientist for Side-Effect-Aware Drug Redesign

一种用于副作用感知药物重新设计的先例引导协同科学家

Yujin Kim, Charmgil Hong

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

AI总结 提出PRECEDE用于副作用感知药物重新设计，将重新设计视为基于证据的推理，由LLM编排，定位为人监督的科学工作流，可审核、证伪且受先前药理学限制。

Comments Accepted at the ICML 2026 Workshop on AI for Science

CoFEND: A Cross-Modal Fusion End-to-End Network for Cold-Start Drug-Drug Interaction Prediction

CoFEND：用于冷启动药物-药物相互作用预测的跨模态融合端到端网络

Di Wu, Hongyi Sun, Haichao Xu, Jia Chen, Zhong Chen, Jie Yang

机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） ； Beihang University（北京航空航天大学） ； School of Computing, Southern Illinois University Carbondale（南伊利诺伊大学卡本代尔分校计算机学院） ； School of Physics and Electronic Science, Zunyi Normal University（遵义师范学院物理与电子科学学院） 纠错

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

AI总结 针对新药冷启动药物-药物相互作用预测难题，提出CMF-ELN。利用多模态信息构建知识图谱，设计图自动编码器融合跨模态相似性，采用两阶段可解释性方案，提升预测准确性与机制解释性。

Comments 11 pages, 2 figures, accepted by KDD 2026

MKGR: Multimodal Knowledge-Graph Representation Learning for Cold-Start Protein-Protein Interaction Prediction

MKGR: 面向冷启动蛋白质-蛋白质相互作用预测的多模态知识图谱表示学习

Wenbo Zhang

机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） 纠错

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

AI总结 提出MKGR框架，结合区域感知蛋白质序列编码与四个生物医学知识图谱，通过桥接重建目标和成对门控模块，在冷启动场景下显著提升PPI预测性能。

MediEncoder: Nonlinear Representation Learning for High-Dimensional Causal Mediation Analysis

MediEncoder: 高维因果中介分析的非线性表示学习

Shi Bo, Debarghya Mukherjee, AmirEmad Ghassami

机构 * Boston University（波士顿大学） 纠错

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

AI总结 提出MediEncoder框架，通过耦合编码器-解码器和交叉因子网络学习低维表示，结合交叉拟合高效影响函数估计自然直接和间接效应，实现高维非线性中介分析的多重稳健估计。

Comments 43 pages, 3 figures

Hierarchical Projection for Adaptive Knowledge Transfer

自适应知识迁移的分层投影

Samhita Pal, Tian Gu

机构 * Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 提出ProjectionTL框架，通过分层贝叶斯建模与自适应投影实现源选择与特征选择，缓解负迁移，提升跨域学习的准确性、稳定性和可解释性。

Comments We found a mistake in the proof that needs to be revised