医学 AI

Robust and Clinically Reliable EEG Biomarkers: A Cross Population Framework for Generalizable Parkinson's Disease Detection

鲁棒且临床可靠的EEG生物标志物：一种跨群体框架用于通用型帕金森病检测

Nicholas R. Rasmussen, Longwei Wang, Rodrigue Rizk, Md Rezwanul Akter Pallab, Samuel Stuwart, Martina Mancini, Arun Singh, KC Santosh

机构 * USD AI Research, Department of Computer Science, University of South Dakota（USD人工智能研究机构、计算机科学系、南达科他大学） ； Biomedical and Translational Sciences, Sanford School of Medicine, University of South Dakota（生物医学与转化科学、桑福德医学院、南达科他大学） ； Department of Sport, Exercise and Rehabilitation, Northumbria University（体育、运动与康复系、北umbria大学） ； Department of Neurology, Oregon Health & Science University（神经病学系、俄勒冈健康与科学大学） 纠错

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

AI总结 本文提出一种跨群体评估框架，用于评估EEG生物标志物的鲁棒性和临床可靠性，通过多队列实验发现训练群体多样性提高准确性和稳定性，达到94.1%的准确率。

Comments This is the non anonymized preprint corresponding to the version submitted to ACM Transactions on Computing for Healthcare. It is not the final typeset or accepted version

Learning Geodesics of Geometric Shape Deformations From Images

从图像中学习几何形变的测地线

Nian Wu, Miaomiao Zhang

机构 * University of Virginia, Department of Electrical & Computer Engineering, Charlottesville, VA, USA（弗吉尼亚大学电气与计算机工程系） ； University of Virginia, Department of Computer Science, Charlottesville, VA, USA（弗吉尼亚大学计算机科学系） 纠错

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

AI总结 本文提出GDN，通过学习图像中的测地线变形，提升可变形形状的量化和比较能力。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:019

Journal ref Machine.Learning.for.Biomedical.Imaging. 3 (2025)

Self-supervised large-scale kidney abnormality detection in drug safety assessment studies

Ivan Slootweg, Natalia P. García-De-La-Puente, Geert Litjens, Salma Dammak

机构 * Department of Pathology, Radboud University Medical Center（拉德堡德大学医学中心病理科部） ； Instituto Universitario de Investigación en Tecnología Centrada en el Ser Humano, Universitat Politècnica de València（人类中心技术大学研究机构，巴塞罗那理工大学） 纠错

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

CellFlux: Simulating Cellular Morphology Changes via Flow Matching

Yuhui Zhang, Yuchang Su, Chenyu Wang, Tianhong Li, Zoe Wefers, Jeffrey Nirschl, James Burgess, Daisy Ding, Alejandro Lozano, Emma Lundberg, Serena Yeung-Levy

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

Comments Published at ICML 2025

Diffusion Generative Modeling for Spatially Resolved Gene Expression Inference from Histology Images

Sichen Zhu, Yuchen Zhu, Molei Tao, Peng Qiu

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

Comments Accepted to ICLR 2025

Hyperedge Representations with Hypergraph Wavelets: Applications to Spatial Transcriptomics

Xingzhi Sun, Charles Xu, João F. Rocha, Chen Liu, Benjamin Hollander-Bodie, Laney Goldman, Marcello DiStasio, Michael Perlmutter, Smita Krishnaswamy

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

Effective Pseudo-Labeling based on Heatmap for Unsupervised Domain Adaptation in Cell Detection

Hyeonwoo Cho, Kazuya Nishimura, Kazuhide Watanabe, Ryoma Bise

专题命中 生物医学文本 ：biomedical(abstract)；medical image(comments,journal_ref)；分类 cs.CV

Comments 16 pages, 18 figures, Accepted in Medical Image Analysis 2022

Journal ref Medical Image Analysis 2022

Imaging dynamics beneath turbid media via parallelized single-photon detection

Shiqi Xu, Xi Yang, Wenhui Liu, Joakim Jonsson, Ruobing Qian, Pavan Chandra Konda, Kevin C. Zhou, Lucas Kreiss, Qionghai Dai, Haoqian Wang, Edouard Berrocal, Roarke Horstmeyer

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

Multi-Phase Cross-modal Learning for Noninvasive Gene Mutation Prediction in Hepatocellular Carcinoma

Jiapan Gu, Ziyuan Zhao, Zeng Zeng, Yuzhe Wang, Zhengyiren Qiu, Bharadwaj Veeravalli, Brian Kim Poh Goh, Glenn Kunnath Bonney, Krishnakumar Madhavan, Chan Wan Ying, Lim Kheng Choon, Thng Choon Hua, Pierce KH Chow

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

Comments Accepted version to be published in the 42nd IEEE Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC 2020, Montreal, Canada

Journal ref 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC)

Self-supervised learning for analysis of temporal and morphological drug effects in cancer cell imaging data

Andrei Dmitrenko, Mauro M. Masiero, Nicola Zamboni

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

Comments Accepted to MIDL 2022 conference. 17 pages, 12 figures, 3 tables

All You Need is Color: Image based Spatial Gene Expression Prediction using Neural Stain Learning

Muhammad Dawood, Kim Branson, Nasir M. Rajpoot, Fayyaz ul Amir Afsar Minhas

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

Comments 14 pages, 4 figures, 1 table

TrajectoryNet: A Dynamic Optimal Transport Network for Modeling Cellular Dynamics

Alexander Tong, Jessie Huang, Guy Wolf, David van Dijk, Smita Krishnaswamy

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

Comments Presented at ICML 2020

It's easy to fool yourself: Case studies on identifying bias and confounding in bio-medical datasets

Subhashini Venugopalan, Arunachalam Narayanaswamy, Samuel Yang, Anton Geraschenko, Scott Lipnick, Nina Makhortova, James Hawrot, Christine Marques, Joao Pereira, Michael Brenner, Lee Rubin, Brian Wainger, Marc Berndl

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

Comments Accepted at Neurips 2019 LMRL workshop -- extended abstract track

A Deep Learning Framework for Classification of in vitro Multi-Electrode Array Recordings

Yun Zhao, Elmer Guzman, Morgane Audouard, Zhuowei Cheng, PaulK. Hansma, Kenneth S. Kosik, Linda Petzold

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

Comments 14 pages, in ICDM 2019

Use of Ghost Cytometry to Differentiate Cells with Similar Gross Morphologic Characteristics

Hiroaki Adachi, Yoko Kawamura, Keiji Nakagawa, Ryoichi Horisaki, Issei Sato, Satoko Yamaguchi, Katsuhito Fujiu, Kayo Waki, Hiroyuki Noji, Sadao Ota

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

Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements

Maëliss Jallais, Pedro Luiz Coelho Rodrigues, Alexandre Gramfort, Demian Wassermann

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

Journal ref Journal of Machine Learning for Biomedical Imaging, Melba editors, 2022, pp.1-27

Global Mapping of Gene/Protein Interactions in PubMed Abstracts: A Framework and an Experiment with P53 Interactions

Xin Li, Hsinchun Chen, Zan Huang, Hua Su, Jesse D. Martinez

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

Journal ref Journal of biomedical informatics, 2007

Collaborative learning of images and geometrics for predicting isocitrate dehydrogenase status of glioma

Yiran Wei, Chao Li, Xi Chen, Carola-Bibiane Schönlieb, Stephen J. Price

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

Comments Accepted by International Symposium on Biomedical Imaging 2022

A Comparative Study in Surgical AI: Potential and Limitations of Data, Compute, and Scaling

外科AI的比较研究：数据、计算和扩展的潜力与局限

Kirill Skobelev, Eric Fithian, Yegor Baranovski, Jack Cook, Sandeep Angara, Shauna Otto, Zhuang-Fang Yi, John Zhu, Neeraj Mainkar, Margaux Masson-Forsythe, Daniel A. Donoho, X. Y. Han

机构 * Center for Applied AI, Chicago Booth（应用人工智能中心，芝加哥商学院） ； Surgical Data Science Collective（外科数据科学集体） ； Children’s National Hospital（儿童医学中心） ； Operations Management & Tolan Center for Healthcare, Chicago Booth（运营管理与托兰医疗中心，芝加哥商学院） 纠错

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

AI总结 本文通过2026年最先进的AI方法，研究了外科手术工具检测中的性能和限制，发现即使使用多十亿参数模型和大量训练数据，当前的视觉语言模型在神经外科手术工具检测任务中仍表现不足，且模型规模和训练时间的增加对性能提升效果有限，表明当前AI在手术应用中仍面临显著挑战。

Single shot large field of view imaging with scattering media by spatial demultiplexing

Sujit Kumar Sahoo, Dongliang Tang, Cuong Dang

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

Comments The title is change to reflect the contribution more appropriately. Many sentences in the introduction are rephrased to put the work into proper context, and to make the presentation clearer

Journal ref Applied Optics Vol. 57, Issue 26, pp. 7533-7538 (2018)

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

IConE: Batch Independent Collapse Prevention for Self-Supervised Representation Learning

IConE：面向自监督表示学习的批次无关崩溃预防

Konstantinos Almpanakis, Anna Kreshuk

机构 * European Molecular Biology Laboratory（欧洲分子生物学实验室） 纠错

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

AI总结 IConE通过引入全局可学习辅助实例嵌入，解决小批次训练中表示崩溃问题，提升生物医学数据在小批次下的性能和鲁棒性。

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。

QiVC-Net: Quantum-Inspired Variational Convolutional Network, with Application to Biosignal Classification

QiVC-Net：受量子启发的变分卷积网络及其在生物信号分类中的应用

Amin Golnari, Jamileh Yousefi, Reza Moheimani, Saeid Sanei

机构 * College of Engineering and Computer Science（工程与计算机科学学院） ； VinUniversity Hanoi, Vietnam（河内越南 Vin 大学） ； Shannon School of Business（沙纳汉商学院） ； Cape Breton University（Cape Breton 大学） ； Faculty of Computer Science（计算机科学学院） ； Chemnitz University of Technology（化学蒂茨技术大学） ； College of Engineering & Computer Science and College of Health Science, VinUniversity, Vietnam（工程与计算机科学学院及健康科学学院，越南 Vin 大学） ； Institute of Psychiatry, Psychology & Neuroscience, King’s College London, UK（精神病学、心理学与神经科学研究所，伦敦国王学院，英国） 纠错

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

AI总结 介绍结合概率推理、变分优化和量子变换几何操作的学习框架，核心是量子启发旋转集成机制，用于卷积权重旋转，在生物信号分类中验证，QiVC-Net性能优异。

Robust Sparse Bayesian Learning Based on Minimum Error Entropy for Noisy High-Dimensional Brain Activity Decoding

基于最小误差熵的鲁棒稀疏贝叶斯学习用于噪声高维脑电活动解码

Yuanhao Li, Badong Chen, Wenjun Bai, Yasuharu Koike, Okito Yamashita

机构 * Department of Computational Brain Imaging, ATR Neural Information Analysis Laboratories（计算脑成像部门，ATR神经信息分析实验室） 纠错

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

AI总结 研究旨在构建鲁棒稀疏贝叶斯学习框架解决噪声高维脑电活动解码问题。基于最小误差熵学习准则，在广义贝叶斯范式下重构框架，所提算法在解码任务中性能更优且模式更具生理可解释性。

Unveiling the invisible - mathematical methods for restoring and interpreting illuminated manuscripts

揭示无形之物 - 用于修复和解释手稿的数学方法

Luca Calatroni, Marie d'Autume, Rob Hocking, Stella Panayotova, Simone Parisotto, Paola Ricciardi, Carola-Bibiane Schönlieb

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

AI总结 本文探讨了用于修复和可视化手稿的数学方法，强调了数字图像处理在艺术领域中的应用和重要性。

Proceedings of the third "international Traveling Workshop on Interactions between Sparse models and Technology" (iTWIST'16)

第三届“国际稀疏模型与技术相互作用研讨会”（iTWIST'16）会议论文集

V. Abrol, O. Absil, P. -A. Absil, S. Anthoine, P. Antoine, T. Arildsen, N. Bertin, F. Bleichrodt, J. Bobin, A. Bol, A. Bonnefoy, F. Caltagirone, V. Cambareri, C. Chenot, V. Crnojević, M. Daňková, K. Degraux, J. Eisert, J. M. Fadili, M. Gabrié, N. Gac, D. Giacobello, A. Gonzalez, C. A. Gomez Gonzalez, A. González, P. -Y. Gousenbourger, M. Græsbøll Christensen, R. Gribonval, S. Guérit, S. Huang, P. Irofti, L. Jacques, U. S. Kamilov, S. Kiticć, M. Kliesch, F. Krzakala, J. A. Lee, W. Liao, T. Lindstrøm Jensen, A. Manoel, H. Mansour, A. Mohammad-Djafari, A. Moshtaghpour, F. Ngolè, B. Pairet, M. Panić, G. Peyré, A. Pižurica, P. Rajmic, M. Roblin, I. Roth, A. K. Sao, P. Sharma, J. -L. Starck, E. W. Tramel, T. van Waterschoot, D. Vukobratovic, L. Wang, B. Wirth, G. Wunder, H. Zhang

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

AI总结 本文探讨了稀疏模型与技术的相互作用，涵盖数据传感、非凸逆问题、概率推断、机器学习等领域，通过演讲和讨论促进国际科研合作。

Comments 69 pages, 22 extended abstracts, iTWIST'16 website: http://www.itwist16.es.aau.dk

E-ReCON: An Energy- and Resource-Efficient Precision-Configurable Sparse nvCIM Macro for Conventional and Spiking Neural Edge Inference

E-ReCON：一种能量和资源高效、精度可配置的稀疏nvCIM宏单元，用于传统和脉冲神经边缘推理

Ankit Kumar Tenwar, Mukul Lokhande, Santosh Kumar Vishvakarma

机构 * Dept of Science and Technology (DST), Govt of India（印度科技部） ； MeitY/SMDP-C2S（科技部/SMDP-C2S） 纠错

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

AI总结 本文提出了一种基于紧凑型3T1R ReRAM位单元的16 Kb能量和资源高效的数字计算在内存（DCIM）宏单元E-ReCON，用于传统和脉冲神经网络边缘推理，通过引入新型交错10T/28T加法器树，减少晶体管数量和功耗，同时在65 nm CMOS工艺下实现低延迟、高吞吐量和高能效，适用于多种神经网络模型。

Bin Latent Transformer (BiLT): A shift-invariant autoencoder for calibration-free spectral unmixing of turbid media

Bin Latent Transformer (BiLT)：一种用于浊介质校准自由光谱解混的不变自编码器

Martin Hohmann

机构 * Institute of Photonic Technologies (LPT), Friedrich-Alexander-Universit\"at Erlangen-N\"urnberg (FAU), Konrad-Zuse-Stra e 3/5, 91052 Erlangen, Germany 纠错

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

AI总结 本文提出BiLT自编码器，通过交叉注意力扫描替代传统密集编码，实现对浊介质中光谱成分的校准自由解混，实验显示其在不同光谱带宽下均保持高精度。

A Muon-Accelerated Algorithm for Low Separation Rank Tensor Generalized Linear Models

一种用于低分离秩张量广义线性模型的μ子加速算法

Xiao Liang, Shuang Li

机构 * Iowa State University（爱荷华州立大学） 纠错

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

AI总结 本文提出LSRTR-M算法，通过引入Muon更新方法优化低分离秩张量广义线性模型的估计与分类，提升收敛速度和计算效率。