医学 AI

As easy as 1, 2... 4? Uncertainty in counting tasks for medical imaging

Zach Eaton-Rosen, Thomas Varsavsky, Sebastien Ourselin, M. Jorge Cardoso

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

Comments Early Accept to MICCAI 2019

Transmission Matrix Inference via Pseudolikelihood Decimation

Daniele Ancora, Luca Leuzzi

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

Deep Action Sequence Learning for Causal Shape Transformation

Kin Gwn Lore, Daniel Stoecklein, Michael Davies, Baskar Ganapathysubramanian, Soumik Sarkar

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

Multi-Task Feature Learning Via Efficient l2,1-Norm Minimization

Jun Liu, Shuiwang Ji, Jieping Ye

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

Comments Appears in Proceedings of the Twenty-Fifth Conference on Uncertainty in Artificial Intelligence (UAI2009)

Integrating Heterogeneous Gene Expression Data through Knowledge Graphs for Improving Diabetes Prediction

Rita T. Sousa, Heiko Paulheim

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

Comments 11 pages, 4 figures, 7th Workshop on Semantic Web Solutions for Large-scale Biomedical Data Analytics at ESWC2024

Transferability of Deep Learning Algorithms for Malignancy Detection in Confocal Laser Endomicroscopy Images from Different Anatomical Locations of the Upper Gastrointestinal Tract

Marc Aubreville, Miguel Goncalves, Christian Knipfer, Nicolai Oetter, Helmut Neumann, Florian Stelzle, Christopher Bohr, Andreas Maier

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

Comments Erratum for version 1, correcting the number of CLE image sequences used in one data set

Journal ref BIOSTEC 2018: Biomedical Engineering Systems and Technologies

Optimization methods for MR image reconstruction (long version)

Jeffrey A Fessler

专题命中 生物医学文本 ：MRI(abstract,comments)；分类 eess.IV

Comments Extended (and revised) version of invited paper submitted to IEEE SPMag special issue on "Computational MRI: Compressed Sensing and Beyond."

Relief-Based Feature Selection: Introduction and Review

Ryan J. Urbanowicz, Melissa Meeker, William LaCava, Randal S. Olson, Jason H. Moore

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

Comments Submitted revisions for publication based on reviews by the Journal of Biomedical Informatics

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

Accelerating scientific discovery with Co-Scientist

用Co-Scientist加速科学发现

Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu, Petar Sirkovic, Artiom Myaskovsky, Grzegorz Glowaty, Felix Weissenberger, Alessio Orlandi, Dan Popovici, Anil Palepu, Keran Rong, Ryutaro Tanno, Khaled Saab, Fan Zhang, Jacob Blum, Andrew Carroll, Kavita Kulkarni, Nenad Tomasev, Dina Zverinski, Ivor Rendulic, Elahe Vedadi, Florian Hasler, Luka Rimanic, Marina Boia, Ivan Budiselic, Ben Feinstein, Mathias Bellaiche, Tom Sheffer, Jan Freyberg, Jeremy Ratcliff, Ottavia Bertolli, Katherine Chou, Avinatan Hassidim, Burak Gokturk, Amin Vahdat, Yuan Guan, Vikram Dhillon, Eeshit Dhaval Vaishnav, Byron Lee, Tiago R D Costa, José R Penadés, Gary Peltz, Yossi Matias, James Manyika, Demis Hassabis, Yunhan Xu, Pushmeet Kohli, Annalisa Pawlosky, Alan Karthikesalingam, Vivek Natarajan

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） ； Stanford University School of Medicine（斯坦福大学医学院） ； Houston Methodist（休斯顿卫理公会医院） ； Sequome ； Fleming Initiative and Imperial College London（弗莱明倡议与伦敦帝国理工学院） 纠错

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

AI总结 Co-Scientist是一种基于Gemini的多智能体AI系统，通过异步任务框架和竞赛进化过程，提升科学假设生成质量，应用于药物再利用、新靶点发现和抗菌机制解释，验证了其加速科学发现的能力。

Comments 157 pages in total (main 42 pages, supplementary information 115 pages), 4 main figures, 1 main table, 6 extended data figures, 2 extended data tables, 9 supplementary figures, 4 supplementary tables, 37 main references, 117 supplementary references. Nature (2026)

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

GraphPINE: Graph Importance Propagation for Interpretable Drug Response Prediction

GraphPINE: 图重要性传播用于可解释的药物反应预测

Yoshitaka Inoue, Tianfan Fu, Augustin Luna

机构 * Computational Biology Branch, National Library of Medicine（国家医学图书馆计算生物学分支） ； Developmental Therapeutics Branch, National Cancer Institute（国家癌症研究所发育治疗分支） 纠错

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

AI总结 本文提出GraphPINE，一种利用领域特定先验知识初始化节点重要性的图神经网络架构，以提高药物反应预测的可解释性。通过引入重要性传播层，统一更新特征矩阵和节点重要性，并利用基于GNN的图传播来传播特征值，从而实现更有效的特征学习和图表示。

GenoMAS: A Multi-Agent Framework for Scientific Discovery via Code-Driven Gene Expression Analysis

GenoMAS：通过代码驱动的基因表达分析进行科学发现的多智能体框架

Haoyang Liu, Yijiang Li, Haohan Wang

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 该研究提出GenoMAS多智能体框架，通过类型消息传递协议协调六个专门的LLM代理，以实现基因表达数据的高效处理和科学发现，其在数据预处理和基因识别任务上均优于现有方法。

Comments 51 pages (14 pages for the main text, 10 pages for references, and 27 pages for the appendix)

RAG-GNN: Integrating Retrieved Knowledge with Graph Neural Networks for Precision Medicine

RAG-GNN：将检索到的知识与图神经网络结合用于精准医学

Hasi Hays, William J. Richardson

机构 * Department of Chemical Engineering, University of Arkansas（化学工程系，阿肯色大学） 纠错

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

AI总结 RAG-GNN通过整合图神经网络与动态检索的文献知识，提升了癌症信号功能聚类的精度，同时验证了检索增强对精准医学应用的互补性。

A multi-stage soft computing framework for complex disease modelling and decision support: A liver cirrhosis case study

一种多阶段软计算框架用于复杂疾病建模和决策支持：肝硬化案例研究

Xueyuan Huang, Yuheng Wang, Yuanzhi He, Siqi Gou, Lu Bai, Wenqian Wu, Peifeng Liu, Aijia Wang, Tianhui Fan, Ze Zhou, Jiayu Xu

机构 * organization= Department of Hepatobiliary Surgery, the Second Affiliated Hospital of Chongqing Medical University , city= Chongqing , postcode= 400010 , country= China ； organization= State Key Laboratory of Respiratory Health ； Multimorbidity, Institute of Basic Medical Sciences \& School of Basic Medicine, Chinese Academy of Medical Sciences \& Peking Union Medical College , city= Beijing , postcode= 100005 , country= China ； organization= School of Computer Science ； Informatics, Cardiff University , city= Wales , postcode= CF24 0DE , country= United Kingdom ； organization= Department of Medical Oncology, the First Hospital of China Medical University , city= Shenyang , postcode= 110001 , country= China ； organization= Institute for Innovation ； Development, Tsinghua University , city= Beijing , postcode= 100086 , country= China ； organization= Department of Liver Surgery, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences \& Peking Union Medical College , city= Beijing , country= China 纠错

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

AI总结 本文提出一种多阶段软计算框架，用于复杂疾病建模与治疗探索，通过整合单细胞转录组数据、高维网络特征稳定化、多模型学习和深度表征学习，提升肝硬化等复杂疾病的诊断与治疗决策能力。

Comments 20 pages, 8 figures

Assessing the potential of deep learning for protein-ligand docking

评估深度学习在蛋白质-配体对接中的潜力

Alex Morehead, Nabin Giri, Jian Liu, Pawan Neupane, Jianlin Cheng

机构 * Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； University of Missouri（密苏里大学） 纠错

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

AI总结 本文提出PoseBench基准，用于评估深度学习在蛋白质-配体对接及结构预测中的性能，发现DL方法在多配体对接和未知结合口袋场景中存在挑战。

Comments 55 pages, 2 tables, 37 figures. Results updated (in v1.1.0) after addressing primary-ligand scoring bug (in v1.0.0). Code, data, tutorials, and benchmark results are available at https://github.com/BioinfoMachineLearning/PoseBench

Cryo-SWAN: the Multi-Scale Wavelet-decomposition-inspired Autoencoder Network for molecular density representation of molecular volumes

Cryo-SWAN: 多尺度小波分解启发的自编码网络用于分子密度的分子体积表示

Rui Li, Artsemi Yushkevich, Mikhail Kudryashev, Artur Yakimovich

机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心（CASUS）） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克亥姆霍尔茨研究中心（HZDR）） ； In situ Structural Biology（原位结构生物学） ； Department of Physics（物理系） ； Institute of Medical Physics and Biophysics（医学物理与生物物理研究所） ； Institute of Computer Science（计算机科学研究所） ； Cluster of Excellence Physics of Life（生命物理卓越中心） 纠错

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

AI总结 Cryo-SWAN通过多尺度小波分解启发的自编码网络，实现分子密度体积的鲁棒表示，提升3D重建和生成质量。

Comments 16 pages, 5 figures

MOTGNN: Interpretable Graph Neural Networks for Multi-Omics Disease Classification

MOTGNN：用于多组学疾病分类的可解释图神经网络

Tiantian Yang, Zhiqian Chen

机构 * University of Idaho（爱达荷大学） ； Mississippi State University（密苏里州立大学） 纠错

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

AI总结 MOTGNN通过可解释的图神经网络框架，提升多组学疾病分类的准确性和可解释性。

Comments 11 pages, 6 figures, 7 tables

ICODEN: Ordinary Differential Equation Neural Networks for Interval-Censored Data

ICODEN：用于区间截断数据的常微分方程神经网络

Haoling Wang, Lang Zeng, Tao Sun, Youngjoo Cho, Ying Ding

机构 * Department of Biostatistics and Health Data Science, University of Pittsburgh, PA, USA（匹兹堡大学生物统计与健康数据科学系） ； Center for Applied Statistics and School of Statistics, Renmin University of China, Beijing, China（中国人民大学应用统计中心与统计学院） ； Department of Applied Statistics, Konkuk University, Seoul, Republic of Korea（韩国康国民大学应用统计系） 纠错

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

AI总结 ICODEN通过常微分方程神经网络处理区间截断数据，无需强假设，实现灵活的生存预测。

Biosecurity-Aware AI: Agentic Risk Auditing of Soft Prompt Attacks on ESM-Based Variant Predictors

生物安全意识的AI：基于ESM变体预测器的软提示攻击代理审计

Huixin Zhan

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； New Mexico Institute of Mining and Technology（新墨西哥采矿与技术研究院） 纠错

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

AI总结 本研究提出SAGE框架，通过代理风险审计发现ESM变体预测器对软提示攻击的敏感性，揭示基因组基础模型的安全漏洞。

Large Language Model Agent for Modular Task Execution in Drug Discovery

用于药物发现模块化任务执行的大型语言模型代理

Janghoon Ock, Radheesh Sharma Meda, Srivathsan Badrinarayanan, Neha S. Aluru, Achuth Chandrasekhar, Amir Barati Farimani

机构 * Department of Chemical Engineering, Carnegie Mellon University（化学工程系，卡内基梅隆大学） ； Department of Material Science and Engineering, Carnegie Mellon University（材料科学与工程系，卡内基梅隆大学） ； 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、q-bio

AI总结 本文提出了一种基于大型语言模型的模块化框架，用于药物发现中的任务执行，通过自动化分子生成和属性预测提升药物筛选效率。

Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges

Changxi Chi, Yufei Huang, Jun Xia, Jiangbin Zheng, Yunfan Liu, Zelin Zang, Stan Z. Li

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

GeneFlow: Translation of Single-cell Gene Expression to Histopathological Images via Rectified Flow

Mengbo Wang, Shourya Verma, Aditya Malusare, Luopin Wang, Yiyang Lu, Vaneet Aggarwal, Mario Sola, Ananth Grama, Nadia Atallah Lanman

机构 * Purdue University（普渡大学） 纠错

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

Discovering Interpretable Biological Concepts in Single-cell RNA-seq Foundation Models

Charlotte Claye, Pierre Marschall, Wassila Ouerdane, Céline Hudelot, Julien Duquesne

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

A Continuous and Interpretable Morphometric for Robust Quantification of Dynamic Biological Shapes

Roua Rouatbi, Juan-Esteban Suarez Cardona, Alba Villaronga-Luque, Jesse V. Veenvliet, Ivo F. Sbalzarini

机构 * Dresden University of Technology, Faculty of Computer Science（德累斯顿技术大学计算机科学学院） ； Max Planck Institute of Molecular Cell Biology and Genetics（马克斯·普朗克分子细胞生物学与遗传学研究所） ； Center for Systems Biology Dresden（德累斯顿系统生物学中心） ； Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI) Dresden/Leipzig（德累斯顿/莱比锡可扩展数据分析与人工智能中心（ScaDS.AI）） ； Cluster of Excellence Physics of Life, Technische Universität Dresden, Germany（生命物理卓越集群，德累斯顿技术大学，德国） ； Ludwig-Maximilians-Universität München（慕尼黑路德维希-马克西米利安大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

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

Identifying multi-omics interactions for lung cancer drug targets discovery using Kernel Machine Regression

Md. Imtyaz Ahmed, Md. Delwar Hossain, Md Mostafizer Rahman, Md. Ahsan Habib, Md. Mamunur Rashid, Md. Selim Reza, Md Ashad Alam

机构 * Department of Information and Communication Technology, Mawlana Bhashani Science and Technology University, Santosh, Tangail, 1902, Dhaka, Bangladesh（信息与通信技术系，穆拉纳巴沙尼科学与技术大学） ； Department of Computer Science, Tulane University, New Orleans, LA, USA（计算机科学系，杜兰大学） ； Bioinformatics Institute (BII), Agency for Science, Technology and Research (A*STAR), 138632, Singapore（生物信息学研究所（BII），科技研究局（A*STAR）） ； Tulane Center for Biomedical Informatics and Genomics, Deming Department of Medicine, Tulane University, New Orleans, LA 70112, USA（杜兰大学生物医学信息学与基因组学中心，医学部） ； Ochsner Center for Outcomes Research, Ochsner Research, New Orleans, LA 70121, USA（Ochsner研究中心，Ochsner研究） 纠错

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

RAIDER: Rapid, anatomy-independent, deep learning-based PDFF and R2* estimation using magnitude-only signals

T. J. P. Bray, G. V. Minore, A. Bainbridge, L. Dwyer-Hemmings, S. A. Taylor, M. A. Hall-Craggs, H. Zhang

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

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

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

Thin Bridges for Drug Text Alignment: Lightweight Contrastive Learning for Target Specific Drug Retrieval

Mallikarjuna Tupakula

机构 * Rochester Institute of Technology（罗切斯特技术研究所） 纠错

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

FusionDTI: Fine-grained Binding Discovery with Token-level Fusion for Drug-Target Interaction

Zhaohan Meng, Zaiqiao Meng, Ke Yuan, Iadh Ounis

机构 * School of Computing Science（计算科学学院） ； School of Cancer Sciences（癌症科学学院） ； Cancer Research UK Scotland Institute（英国癌症研究苏格兰研究所） ； University of Glasgow（格拉斯哥大学） 纠错

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

Comments Findings of EMNLP 2025