医学 AI

Cross-Modal Fusion of OCT and OCT angiography enface for Improved Diagnostics of Diabetic Retinopathy

用于改善糖尿病视网膜病变诊断的OCT与OCT血管造影en face跨模态融合

Rashadul Hasan Badhon, Atalie Carina Thompson, Jennifer I. Lim, Theodore Leng, Minhaj Nur Alam

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 针对糖尿病视网膜病变精准筛查需求，提出双向跨模态注意力网络融合OCT与en face OCTA实现自动分类，实验验证该方案性能优于单模态模型，生成式OCTA可降低硬件依赖。

Predicting Early Stages Of Alzheimer's Disease And Identifying Key Biomarkers Using Deep Artificial Neural Network And Ensemble Of Machine Learning Methodologies

使用深度人工神经网络和集成机器学习方法预测阿尔茨海默病早期阶段并识别关键生物标志物

Debopriya Ghosh

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 提出结合深度神经网络与集成机器学习模型，利用临床、神经心理测试和神经影像数据，通过处理缺失值、类别不平衡和特征选择，实现阿尔茨海默病早期检测并识别关键生物标志物。

Comments Master's

Dementia-Agents: A Multi-Modal Multi-Agent System for Dementia Staging and Phenotyping

Dementia-Agents：用于痴呆分期和表型分析的多模态多智能体系统

Yaling Shen, Maja Christensen, Yiwen Jiang, Jenna Dennison, David Darby, Amy Brodtmann, Zongyuan Ge

机构 * Monash University（莫纳什大学） ； Eastern Health（东部健康） ； Lived Experience Advisor（生活经验顾问） 纠错

专题命中 诊断辅助 ：pathology(abstract)；diagnosis(abstract)

AI总结 提出Dementia-Agents多智能体框架，通过数据翻译、专家预测和协调聚合三步流程，在真实临床队列中实现优于单一MLLM和先前多智能体系统的痴呆综合征级分期与表型分析。

Comments 8 pages

SGMCE: Segment-Grounded Morphological Concept Explanation for Malaria Parasite Species Identification in Thick Blood Smears

SGMCE：厚血涂片疟原虫物种识别的基于片段的形态学概念解释

Ahmed Tahiru Issah, Charles B. Delahunt, Carine Mukamakuza

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG；medical image(comments)

AI总结 研究旨在解决厚血涂片疟原虫物种识别中深度学习缺乏形态学证据的问题，提出SGMCE框架，无需额外训练等，通过提取特征、查询GPT-4o生成自然语言解释，经多指标验证，在多种检测中取得较好结果。

Comments Accepted for publication in the 30th Conference on Medical Image Understanding and Analysis (MIUA 2026), Dublin. To appear in Springer Lecture Notes in Computer Science (LNCS)

Deep Learning CNN and Recurrence Analysis for Alpha Gamma EEG Biomarkers in Fragile X Syndrome

用于脆性X综合征α和γ脑电学生物标志物的深度学习CNN与递归分析

Zag ElSayed, Payton Siekierski, Jack Yanchen Liu, Ernest Pedapati

机构 * School of Information Technology (SoIT), University of Cincinnati（辛辛那提大学信息技术学院） ； Division of Child and Adolescent Psychiatry Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医学中心儿童与青少年精神病学科） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 本研究提出整合CNN、LSTM与RP分析的多表征深度学习框架，通过分析FXS患者α、γ频段EEG信号，实现优于单模态基线的自动表型表征，为FXS生物标志物开发提供了可扩展方法。

Comments 14 pages, 4 figures, conference

Journal ref Springer ISBCom 2026

Deep Spectral Models for Robust Dental Shape Generation

用于鲁棒牙齿形状生成的深度谱模型

Tibor Kubík, François Guibault, Michal Španěl, Hervé Lombaert

机构 * Polytechnique Montréal（蒙特利尔理工学院） ； Brno University of Technology（布尔诺理工大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；biomedical(comments,journal_ref)；分类 cs.CV

AI总结 提出 ToothForge 框架，利用谱域同步嵌入学习紧凑的牙齿冠部几何生成模型，在有限数据集上实现与空间方法相当的性能，并保持紧凑性和几何可解释性。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:016

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Gauge-Invariant, Parameter-Insensitive Regularization for Potential Recovery from Flow on Directed Graphs

用于从有向图上的流中恢复势的规范不变、参数不敏感正则化

Mohammad Forouhesh

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

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG、eess.SP

AI总结 研究从有向图流中恢复潜在势的问题，提出规范不变的图狄利克雷能量方法，该方法具有参数不敏感性，能保留动态范围，定位吸收边界，并通过实验验证其在点击流语料库上的优势，还将其与图神经网络联系起来。

Comments 17 pages, 6 figures, submitted to LoG 2026

Evaluating the Effect of Frame Rate in Sequence-Based Classification of Autism-Related Self-Stimulatory Hand Idiosyncrasies

评估帧率在基于序列的自闭症相关自我刺激手部特质分类中的作用

Raunak Mondal, Peter Washington

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Department of Information and Computer Sciences, University of Hawai‘i at Mānoa（夏威夷大学马诺亚分校信息与计算机科学系） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 研究针对自闭症相关自我刺激行为检测，通过在不同帧率下训练LSTM和GRU模型确定最佳架构与采样率，应用十种数据增强策略并做消融研究，采用个性化机器学习方法，为视频行为分类提供架构、采样率及增强策略指导。

Comments 15 pages, 5 figures, 3 tables. Preliminary version presented as a poster at the AMIA 2024 Informatics Summit

Journal ref 2024 AMIA Informatics Summit. https://knowledge.amia.org/Info2024/content?act=Info2024a249

Diagnosing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry

诊断和修复长距离单次条纹投影轮廓测量中的形状先验捷径

Adam Haroon, Anush Lakshman, Cody Fleming, Beiwen Li

机构 * Department of Mechanical Engineering, Iowa State University（爱荷华州立大学机械工程系） ； College of Engineering, University of Georgia（佐治亚大学工程学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG、eess.IV

AI总结 通过机械可解释性和共形不确定性量化诊断长距离单次条纹投影轮廓测量中网络依赖形状先验而非条纹相位解码的问题，提出PhiCalNet架构修复，将物体平均绝对误差降低3.3倍。

Comments 21 pages, 13 figures

Taxlifier: Leveraging Disease Taxonomy for Enhanced Multi-Label Classification in Chest Radiography

Taxlifier：利用疾病分类法增强胸部X光片的多标签分类

Mohammad S. Majdi, Jeffrey J. Rodriguez

机构 * Dept. of Electrical and Computer Engineering, The University of Arizona（电气与计算机工程系，亚利桑那大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 研究针对胸部X光片多种病变分类难的问题，提出基于损失和逻辑的分层多标签分类技术，利用疾病层次关系应对挑战，经三个数据集评估，相比基线方法，准确率、AUC和F1分数显著提高，还验证了技术的稳健性和可靠性。

Hierarchical Classification via Cascading Feature Elimination: Application to Human Phenotype Ontology-Aligned Facial Phenotyping (FaceMesh2HPO)

通过级联特征消除进行层次分类：在人类表型本体对齐的面部表型分析（FaceMesh2HPO）中的应用

Fabio Hellmann, Alexander Hustinx, Benjamin D. Solomon, GestaltMatcher Database Consortium, Tzung-Chien Hsieh, Peter Krawitz, Elisabeth André

机构 * University of Augsburg（奥格斯堡大学） ； University of Bonn（波恩大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 FaceMesh2HPO框架利用临床医生注释及图像生成3D面部网格，基于PointNet训练含级联分类与特征消除的分层管道，结合多种数据实现面部表型分类，虽有成果但罕见叶节点性能受限，需改进策略增强实用性。

LeukocyteCount: Automatic Identification and Counting for leukocytes using Deep Learning

白细胞计数：使用深度学习自动识别和计数白细胞

Ahmed M. Sayed, Sondos A. Refaat, Abdallah M. Mostafa, Mariam S. El-Rahmany, Ensaf Hussein Mohamed

机构 * School of Information Technology and Computer Science (ITCS)（信息科技与计算机科学学院） ； Nile University（尼罗大学） ； Computer Science Department（计算机科学系） ； Faculty of Computers and Artificial Intelligence（计算机与人工智能学院） ； Helwan University（海尔万大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 研究针对传统白细胞计数和分类方法的不足，提出基于机器学习的自动化解决方案，采用集成Yolov5、微调的预训练MobileNetV2模型和逻辑回归分类器的混合模型，实现白细胞精准识别、计数和分类。

Comments Corresponding author: Ensaf Hussein Mohamed (enmohamed@nu.edu.eg)

MARVEL: Margin-Aware Robust von Mises-Fischer Expert Learning for Long-Tailed Out-of-Distribution Detection

MARVEL: 面向长尾分布外检测的边际感知鲁棒 von Mises-Fischer 专家学习

A. S. Anudeep, Vaanathi Sundaresan

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 提出 MARVEL 框架，通过非线性 von Mises-Fisher 分类器、边际感知多专家学习和离群专家，解决长尾医学图像分布外检测问题，在三个数据集上实现 FPR95 分别降低 8.45%、13.02% 和 36.90%。

IViT: A Novel Interpretable Visual Transformer for Skin Disease Detection

IViT: 一种用于皮肤病检测的新型可解释视觉Transformer

Haibiao Li, Di Lin, Xue Jiang, Weiwei Wu, Yanxi Li, Yugang Chi

机构 * Chongqing Health Center for Women and Children（重庆妇女儿童健康中心） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 提出一种受二次规划约束的可解释视觉Transformer（IViT），通过预训练迁移学习适应小样本特征提取，并构建离散QP特征选择框架筛选符合临床诊断逻辑的判别性特征，在保持分类性能的同时降低特征冗余29.5%，实现准确率93.80%与可解释性的平衡。

NeoJaundice-AI: Smartphone-Based Neonatal Jaundice Detection Using Dual-Input Deep Learning and Synthetic Augmentation

NeoJaundice-AI: 基于智能手机的新生儿黄疸检测，采用双输入深度学习与合成增强

Rahul Patel, Nirjala Jarpula

机构 * Indian Institute of Information Technology Surat（印度信息技术学院苏拉特分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 提出NeoJaundice-AI系统，通过双分支EfficientNet-B0处理皮肤和巩膜图像，融合手工YCbCr颜色特征，实现四类严重度分类和胆红素回归，采用合成黄疸生成和肤色归一化，在印度新生儿数据集上达到91.8%准确率。

Comments 7 pages, 10 figures, 8 tables. IEEE conference format

On-Device Multi-Species Malaria Detection with Uncertainty-Calibrated Slide-Level Aggregation

基于不确定性校准的玻片级聚合的设备端多物种疟疾检测

Idaya Seidu, Ahmed Tahiru Issah, Charles B. Delahunt, Carine Mukamakuza

机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； University of Washington（华盛顿大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV；medical AI(comments)

AI总结 针对资源有限地区疟疾检测的临床约束，开发基于YOLOv13n的设备端多物种疟疾检测系统，满足多物种鉴别等要求，在2739张图像上实现较高检测精度与聚合性能。

Comments Accepted at The Fifth Workshop on Applications of Medical AI (AMAI) 2026, a satellite event at MICCAI 2026. To appear in Springer Lecture Notes in Computer Science (LNCS)

Feynman Kac Reweighted Schrödinger Bridge Matching for Surface-Based Tau PET Harmonization

基于Feynman Kac重加权薛定谔桥匹配的皮层表面Tau PET标准化

Jianwei Zhang, Xinyu Nie, Jiaxin Yue, Yonggang Shi

机构 * Stevens Neuroimaging and Informatics Institute, University of Southern California（斯蒂文斯神经影像与信息学研究所，南加州大学） ； Ming Hsieh Department of Electrical and Computer Engineering of Viterbi School of Engineering, University of Southern California（明希德电气与计算机工程系，维特比工程学院，南加州大学） ； Alfred E. Mann Department of Biomedical Engineering of Viterbi School of Engineering, University of Southern California（阿尔弗雷德·E·曼生物医学工程系，维特比工程学院，南加州大学） 纠错

专题命中 诊断辅助 ：pathology(abstract)；分类 q-bio、eess.IV

AI总结 提出Feynman Kac重加权薛定谔桥匹配（FKRSBM）模型，通过熵正则化最优传输实现源域与目标域间的随机传输，结合子群感知端点提议和球面卷积骨干网络，在Tau PET SUVR图上实现优于现有方法的分布对齐和下游疾病分类。

LoopVSR: A Loop Engineering Framework for Automated Repair of Visual Speech Recognition Inference Pipelines

LoopVSR：用于自动修复视觉语音识别推理流水线的循环工程框架

Fei Qin, Bowen Zhang, Chao Fan, Pengcheng Luo, Genke Yang

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.IV

AI总结 LoopVSR是一种循环工程框架，可让代码智能体结合端到端执行证据自动修复VSR推理流水线，在CMLR VSR系统上的表现远优于静态防护，可实现100%平均修复率。

More Correct Mass, Worse Answers: Why Power Sampling Can Fail and How to Fix It

更多正确质量，更差答案：幂采样为何会失效及如何修复

Haohui Yang, Jiaxing Sun, Xiujun Ma

机构 * State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能 State Key Laboratory） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究发现幂采样存在悖论，即提升正确轨迹概率却降低下游推理性能，归因于剂量与覆盖不匹配，提出修复后的支持保留幂采样器可逆转损失并优于标准多采样推理。

Comments 16 pages, 8 figures, 1 table. Haohui Yang and Jiaxing Sun contributed equally. Xiujun Ma is the corresponding author

PixSDS: Why Latent SDS Makes Noisy Pixels

PixSDS：潜在SDS为何会产生带噪像素

Vsevolod Skorokhodov

机构 * EPFL（洛桑联邦理工学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 针对潜在SDS生成3D时的像素漂移问题，提出轻量级VAE一致性梯度修复方法PixSDS，减少结构化伪影并保留语义内容。

Beyond Correctness: Benchmarking and Aligning Response Behaviors in Hybrid-Thinking MLLMs

超越正确性：混合思维多模态大语言模型（MLLM）的响应行为基准测试与对齐

Xinming Wang, Weinong Wang, Hongming Yang, Yansong Lin, Zheng Ruan, Shangpin Peng, Qiming Peng, Nan Qiao, Fengyuan Lu, Guoqing Ma, Marito Li, Songyang Zhang, Saiyong Yang, Han Hu, Yonglong Tian, Xu-Yao Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Large Language Model Department, Tencent（腾讯大语言模型部） ； University of Electronic Science and Technology of China（电子科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 该研究针对混合思维 MLLM 的思维与非思维模式响应错位问题，构建 PatternEval 基准并开发 PatternRL 方法，可减轻跨模式错位且任务性能损失极小。

Comments 8 tables and 6figures

A Cloud-Edge System for Multimodal Clinical Screening in Resource-Constrained Rural Settings

面向资源受限农村地区多模态临床筛查的云边协同系统

Hei Ting, Chan, Chenwei Wu, Xueshen Liu, Zesen Zhao, Boyuan Zheng, Luis Filipe Nakayama, Michael G. Morley, Liyue Shen, Jiasi Chen, Z. Morley Mao

机构 * University of Michigan（密歇根大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 诊断辅助 ：medical AI(abstract)；分类 cs.LG

AI总结 该研究针对资源受限农村地区的多模态临床筛查问题，提出云边协同架构，经实验验证其诊断性能优异且成本更低，可适配部署约束。

Comments 31 pages, 3 figures. In Proceedings of Machine Learning Research, Volume 340, 2026 (Machine Learning for Healthcare Conference)

Training Under Challenge: Executable Certificates and Challenge-Closed Optimality for Neural Networks

挑战下的训练：神经网络的可执行证书与挑战封闭最优性

Farhang Yeganegi, Arian Eamaz, Mojtaba Soltanalian

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出“挑战下的训练”可执行证书框架，定义资源索引的挑战能力模，通过实验验证其在ResNet-18蒸馏问题中可有效区分解码器欠使用与表征不足，实现对神经网络训练状态的诊断与重新认证。

Comments 82 pages, 24 figures, 10 tables. Ancillary reproducibility materials included

Regulatory Approval Is Not Enough: Gaps in Trustworthy AI Reporting in FDA-Cleared Medical Devices

监管批准并不足够：FDA clearance医疗设备中可信赖AI报告的缺口

Ahmed M Salih, Oliver Díaz, Alejandro Guzman, Noah Marquez Vara, Fotios Avgoustidis, Rituraj Singh, Saman Barakat, Zahra Raisi-Estabragh, Karim Lekadir

专题命中 诊断辅助 ：healthcare AI(abstract)；分类 cs.LG

AI总结 该研究分析2021-2025年FDA获批的519份AI/ML医疗设备报告，发现可信赖AI报告存在显著缺口，获批年份或临床领域不影响报告透明度，仅监管批准不足以证明AI可信赖性。

SCOUT: Symmetric Consensus Outlier Detection for Failure Localization in LLM Pre-Training

SCOUT：用于大语言模型预训练中故障定位的对称共识异常检测

Zhuang Wang

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 SCOUT是用于LLM预训练故障定位的统一运行时框架，基于等价副本严格多数共识识别异常，可与主流大模型训练框架集成，解决现有诊断方法的局限。

Physics-informed Diffusion Generative Model for Time-Series Data Synthesis in Dynamic Systems

用于动态系统时间序列数据合成的物理信息扩散生成模型

Haiteng Wang, Yunfei Zhu, Tao Wang, Yikang Li, Jiabao Dong, Xiaoge Zhang, Lei Ren

机构 * Beihang University（北京航空航天大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 提出PhysDGM模型，将物理规则嵌入扩散生成过程以合成符合物理定律的工业时间序列，构建的440万样本数据集可提升下游任务性能并减少数据需求，助力数据稀缺环境的AI应用。

Comments 27 pages; 5 main figures and 4 extended data figures

RFCheck: Synthetic RF Sensing Data Can Fail Measurement Consistency

RFCheck：合成射频感知数据可能会破坏测量一致性

Di Zhang, Yuanhao Cui, Tony Xiao Han, Xiaojun Jing

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.SP

AI总结 该研究提出RFCheck方法，通过校准测量审计检测合成射频感知数据的测量一致性失效，验证其在Wi-Fi CSI和FMCW毫米波雷达任务中可有效筛选修复合成数据，提升下游模型性能。

HandSplatter: Automated Digital Goniometry from Neural Rendering

HandSplatter：基于神经渲染的自动数字测角术

Emmett Chen, Neal Chen, Xiang Li, Quanzheng Li, Siyeop Yoon

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 针对手动测角术低效、信度差及现有软件方法精度不足的问题，提出结合2D特征提取与视图合成的神经渲染新流程，引入离散密度爬山算法修正3D地标，实现自动数字测角，为手部功能评估提供可靠工具。

Comments Accepted for publication in the Proceedings of the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026), Full Paper #1985

Decoding Phenotypes: A Framework for Fusing Genomic Language Models and Neuroimaging

解码表型：融合基因组语言模型与神经成像的框架

Tianli Tao, Ziyang Wang, Emma Robinson, Rachel Sparks, Le Zhang

机构 * King’s College London（伦敦国王学院） ； Aston University（阿斯顿大学） ； University of Birmingham（伯明翰大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 该研究提出多模态框架GeneFuse，整合GLM遗传表征与神经成像特征，在NC vs. MCI、NC vs. AD任务上分别获0.77、0.83的AUROC，性能优于现有方法。

Controlled Memory Interference in Continual LLM Agents

持续大型语言模型智能体中的可控记忆干扰

Ao Ding, Hongzong LI, Shiqin Tang, Li Zhang, Liang Chen, Xuyang Chen, Zi Liang

机构 * China University of Geosciences (Beijing)（中国地质大学（北京）） ； Northwestern Polytechnical University（西北工业大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Chinese Academy of Sciences（中国科学院） ； The Hong Kong Polytechnic University（香港理工大学） ； École polytechnique fédérale de Lausanne（洛桑联邦理工学院） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本研究提出可控记忆干扰（CMI）框架，揭示记忆进化受经验相互作用影响，为持续大型语言模型智能体的记忆系统提供诊断与学习方法，提升记忆更新区分度与任务性能。