医学 AI

Adaptive Federated Few-Shot Rare-Disease Diagnosis with Energy-Aware Secure Aggregation

Aueaphum Aueawatthanaphisut

机构 * School of Information, Computer, and Communication Technology（信息、计算机与通信技术学院） ； Sirindhorn International Institute of Technology, Thammasat University（泰国朱拉隆功大学国际技术学院） 纠错

专题命中 医学数据与评测 ：diagnosis(title,abstract)；分类 cs.LG、q-bio

Comments 6 pages, 6 figures, 12 equations, 1 algorithm

A labeled Clinical-MRI dataset of Nigerian brains

Eberechi Wogu, Patrick Filima, Bradley Caron, Daniel Levitas, Peer Herholz, Catherine Leal, Mohammed F. Mehboob, Soichi Hayashi, Simisola Akintoye, George Ogoh, Tawe Godwin, Damian Eke, Franco Pestilli

专题命中 医学数据与评测 ：MRI(title,abstract)；分类 q-bio、eess.IV

Reduction of Surgical Risk Through the Evaluation of Medical Imaging Diagnostics

Marco A. V. M. Grinet, Nuno M. Garcia, Ana I. R. Gouveia, Jose A. F. Moutinho, Abel J. P. Gomes

专题命中 医学数据与评测 ：medical image(abstract)；MRI(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG、eess.IV

Comments 25 pages, 7 figures, Scientific grant report

Explanation Stability of Test-Time Adaptation in Computational Pathology: A Large-Scale Benchmark

计算病理学中测试时自适应的解释稳定性：大规模基准测试

R. G. Bahumanya, Harshith V. M., Shreyank N. Gowda, Anala M. R

机构 * R.V. College of Engineering（R.V.工程学院） ； University of Nottingham（诺丁汉大学） 纠错

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

AI总结 该研究构建了计算病理学TTA的大规模基准，发现不同TTA方法对模型解释的影响差异显著，解释稳定性与自适应质量弱相关，强调了解释稳定性是TTA的重要可靠性维度。

HistoFID- Calibrating Frechet-distance evaluation across pathology foundation models

HistoFID-校准跨病理学基础模型的弗雷歇距离评估

Swapnil Bhat, Devansh Lalwani, Maulik Shah, Sheena Alphones, Rimlee Dutta, Nikita Mulchandani, Roshani Gala, Jay Mehta

专题命中 医学数据与评测 ：pathology(title,abstract)；分类 eess.IV

AI总结 研究数字病理学中用组织学基础模型取代 Inception 网络后 FID 结果受影响的问题，通过特定比率恢复可比性，划分编码器组，揭示其对生成模型评估结论的影响，还评估了 TuroCompress 编解码器并发布相关资源。

TransBiolab: A Real-World Multi-View Dataset of Cluttered Transparent Biomedical Objects

TransBiolab：一个杂乱透明生物医学物体的真实世界多视图数据集

Ke Ma, Yifei Wang, Meng Wang, Tian Xia

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； College of Design and Innovation, Tongji University（同济大学设计创意学院） ； Shanghai Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海智能无人系统研究院） ； School of Software and Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） 纠错

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

AI总结 针对自主生物医学实验室透明物体视觉感知数据稀缺问题，提出TrainsBiolab真实世界多视图数据集，含多物体杂乱、遮挡场景数据及多种注释，定义相关基准并评估，为自主实验室操作视觉任务提供资源。

Comments 9 pages, 10 figures, accepted by ACM Multimedia 2026

PathReportEval: A Systematic Benchmark for Pathology Report Generation

PathReportEval：病理学报告生成的系统基准测试

Suryakant Singh, Sejuti Majumder, Beatrice Knudsen, Joel Saltz, Prateek Prasanna

机构 * Stony Brook University（石溪大学） ； University of Utah（犹他大学） 纠错

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

AI总结 针对病理学报告生成难以衡量进展的问题，提出标准化基准测试和评估框架，用三种编码器在三个数据集上评估四种方法，引入临床报告质量评分（CRQS），揭示模型和编码器差异，为病理学报告生成评估奠定可重复基础。

Privacy Leakage in Federated Learning in Radiology Reports: A Comparative Evaluation of Tokenizer-Driven Privacy Risks

放射学报告中联邦学习的隐私泄露：基于分词器驱动的隐私风险比较评估

Santhosh Parampottupadam, Andres Martinez, Dimitrios Bounias, Sinem Sav, Klaus Maier-Hein, Ralf Floca

机构 * German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Medical Faculty Heidelberg, Heidelberg University（海德堡大学医学院） ； Bilkent University（比尔肯特大学） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital（海德堡大学医院放射肿瘤学系模式分析与学习组） 纠错

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

AI总结 研究放射学报告联邦学习中的隐私泄露，通过固定模型架构比较三种分词器的隐私风险，量化梯度文本重建，发现分词器设计影响泄露程度，虽RadBERT重建保真度最高但均不能防泄露，安全聚合等保障措施或为满足相关要求所必需。

Inclusive Federated Learning Through Compliance-Weighted Noise Allocation in Healthcare AI

通过医疗保健人工智能中合规加权噪声分配实现包容性联邦学习

Santhosh Parampottupadam, Melih Coşğun, Sarthak Pati, Maximilian Zenk, Saikat Roy, Dimitrios Bounias, Benjamin Hamm, Sinem Sav, Ralf Floca, Klaus Maier-Hein

机构 * German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Heidelberg University（海德堡大学） ； Bilkent University（比尔肯特大学） ； Indiana University（印第安纳大学） ； Heidelberg University Hospital（海德堡大学医院） ； MLCommons 纠错

专题命中 医学数据与评测 ：healthcare AI(title)；clinical AI(abstract)；分类 cs.LG

AI总结 研究针对联邦学习受隐私等问题限制，引入合规感知框架。通过合规评分工具映射噪声尺度，在肺炎和乳腺MNIST数据集上评估策略。结果表明合规加权分配可让低合规机构加入且不损性能，提供可审计噪声控制。

Federated Medical Image Segmentation under Real-World Label Noise: A Benchmark Suite for Noisy Label Learning Method Selection

真实世界标签噪声下的联邦医学图像分割：面向噪声标签学习方法选择的基准套件

Markus Bujotzek, Dimitrios Bounias, Stefan Denner, Ralf Floca, Maximilian Fischer, Peter Neher, Klaus Maier-Hein

机构 * Division of Medical Image Computing, Germany Cancer Research Center（德国癌症研究中心医学图像计算部） ； Medical Faculty, University of Heidelberg（海德堡大学医学院） ； Heidelberg Institute of Radiation Oncology (HIRO), National Center for Radiation Research in Oncology (NCRO)（海德堡放射肿瘤学研究所（HIRO），国家放射肿瘤学研究中心（NCRO）） ； Pattern Analysis and Learning Group, Department of Radiation Oncology, Heidelberg University Hospital（海德堡大学医院放射肿瘤科模式分析与学习组） ； Faculty of Mathematics and Computer Science, University of Heidelberg（海德堡大学数学与计算机科学学院） ； National Center for Tumor Diseases (NCT), NCT Heidelberg, a partnership between DKFZ and the university medical center Heidelberg（国家肿瘤疾病中心（NCT），NCT海德堡，DKFZ与海德堡大学医学中心的合作机构） 纠错

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

AI总结 针对联邦学习中真实世界标签噪声（如轮廓不一致、结构缺失或混淆）问题，提出一个包含多样化真实噪声数据集、客户端噪声场景和针对性评估的基准套件，支持系统评估和噪声标签学习方法选择。

ReportQA: QA-Based Radiology Report Evaluation

ReportQA: 基于问答的放射学报告评估

Yiming Shi, Shaoshuai Yang, Xi Chen, Haolin Li, Hengyu Zhang, Che Jiang, Kaiwen Wang, Xun Zhu, Dong Xie, Fei Wang, Dejing Dou, Miao Li, Ji Wu

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） ； Beijing Electronic Digital & Intelligence（北京电子数字与智能） 纠错

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

AI总结 提出ReportQA框架，利用知识树和LLM从报告中提取结构化信息生成QA对，以问答准确率作为评估指标，比现有指标更符合放射科医生判断。

FedBiCross: Personalized One-Shot Federated Learning on Medical Images

FedBiCross: 医学图像上的个性化一次性联邦学习

Yuexuan Xia, Yinghao Zhang, Yalin Liu, Hong-Ning Dai, Yong Xia

机构 * School of Computer Science and Engineering, Northwestern Polytechnical University, China（西北工业大学计算机科学与工程学院） ； School of Science and Technology, Hong Kong Metropolitan University, Hong Kong（香港 Metropolitan 大学科学与技术学院） ； Department of Computer Science, Hong Kong Baptist University, Hong Kong（香港 Baptist 大学计算机科学系） 纠错

专题命中 医学数据与评测 ：medical image(title,abstract)；分类 cs.LG

AI总结 提出FedBiCross框架，通过聚类、双层跨簇优化和个性化蒸馏解决非独立同分布数据下一次性联邦学习中知识蒸馏效果差的问题，在四个医学图像数据集上优于现有方法。

Comments Accepted by BlockSys 2026. This version of the contribution has been accepted for publication, after peer review (when applicable) but is not the Version of Record and does not reflect post-acceptance improvements, or any corrections

MMBU: A Massive Multi-modal Biomedical Understanding Benchmark to Probe the Perception Capabilities of Vision-Language Models

MMBU: 大规模多模态生物医学理解基准，用于探测视觉语言模型的感知能力

Ryan D'Cunha, Alejandro Lozano, Xiaoxiao Sun, Daniel Vela Jarquin, Min Woo Sun, Josiah Aklilu, James Burgess, Yuhui Zhang, Ryan Nayebi, Paola Avila, Robayo, Jin Ye, Ming Hu, Zhongying Deng, Junjun He, Xin Chen, Yue Yao, Robert Tibshirani, Jeffrey J. Nirschl, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Instituto Tecnológico de Monterrey（蒙特雷技术学院） ； Monash University（墨尔本大学） ； University of Cambridge（剑桥大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） 纠错

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

AI总结 提出MMBU基准，涵盖35个子模态，通过分类、定位和检测任务系统评估VLM在生物医学领域的视觉感知和泛化能力，发现高准确率可能掩盖感知缺陷。

Counterfactual Evaluation Reveals Hidden Capability Profiles in Clinical LLMs and Agents

反事实评估揭示临床LLM和智能体的隐藏能力画像

Matt Turk

机构 * Protege Data Lab（Protege数据实验室） 纠错

专题命中 医学数据与评测 ：clinical LLM(title)；clinical AI(abstract)；分类 cs.LG

AI总结 提出因果敏感性评分（CSS），通过沿五个临床维度变异肿瘤病例来评估模型是否按预期方向更新推荐，发现与覆盖度指标排名相反，并揭示所有前沿模型在手术状态干预上的安全盲点。

Comments Accepted to RLEval @ ACM CAIS 2026 (Workshop on Methods and RL Environments for Evaluating AI Agents) and selected for an invited talk based on reviewer ratings. 4-page short paper + appendix

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

Decentralized LoRA augmented transformer with multi-scale feature learning for secured eye diagnosis

去中心化LoRA增强变换器与多尺度特征学习用于安全眼疾诊断

Md. Naimur Asif Borno, Md Sakib Hossain Shovon, MD Hanif Sikder, Iffat Firozy Rimi, Tahani Jaser Alahmadi, Mohammad Ali Moni

机构 * organization= Research Assistant, The University of Queensland , addressline= 308 Queen St , city= Brisbane City , postcode= QLD 4000 , state= Queensland , country= Australia ； organization= Mechatronics Engineering, Rajshahi University of Engineering \& Technology , city= Rajshahi , postcode= 6204 , country= Bangladesh ； organization= Researcher, The University of Queensland , addressline= 308 Queen St , city= Brisbane City , postcode= QLD 4000 , state= Queensland , country= Australia ； organization= Department of Computer Science, American International University Bangladesh , city= Dhaka , postcode= 1216 , country= Bangladesh ； organization= Department of Computer Science, University of South Asia-Bangladesh , city= Dhaka , postcode= 1216 , country= Bangladesh ； organization= Department of Computer Science ； Engineering, Daffodil International University , city= Dhaka , country= Bangladesh ； Department of Information Systems, College of Computer ； Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh, Saudi Arabia. Email ； organization= Faculty of Health, Medicine ； Behavioural Sciences, The University of Queensland , addressline= 308 Queen St , city= Brisbane City , postcode= QLD 4000 , state= Queensland , country= Australia ； Cyber Futures Institute Charles Sturt University , addressline= 308 Queen St , city= Bathurst NSW , country= Australia 纠错

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

AI总结 本文提出一种高效图像变换器框架，结合多尺度特征学习、LoRA、知识蒸馏和联邦学习，解决医学影像中疾病诊断的准确性和隐私保护问题，实验表明其在AUC、F1分数和精度上优于传统CNN和现有Transformer架构。

Comments Published at Knowledge-Based Systems

FedStain: Modeling Higher-Order Stain Statistics for Federated Domain Generalization in Computational Pathology

FedStain: 模型高阶染色统计信息以实现计算病理学中的联邦域泛化

Fengyi Zhang, Junya Zhang, Wenzhuo Sun

机构 * School of Electronic Science and Technology, Hainan University, Haikou, China, 570228（海南大学电子科学与技术学院） ； School of Computer Science and Technology, Xidian University, Xi'an, China, 710126（西安电子科技大学计算机科学与技术学院） ； Xiangjiang College of Elite Engineers, Hunan University, Changsha, China, 410082（湖南大学精英工程师学院） 纠错

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

AI总结 FedStain通过引入高阶染色统计量（偏度和峰度）提升联邦域泛化性能，有效应对跨机构染色异质性问题，实验表明其在Camelyon17和MvMidog-Fed数据集上优于现有方法。

FairHealth: An Open-Source Python Library for Trustworthy Healthcare AI in Low-Resource Settings

FairHealth: 一个用于低资源环境可信医疗AI的开源Python库

Farjana Yesmin

机构 * Independent Researcher（独立研究者） 纠错

专题命中 医学数据与评测 ：healthcare AI(title,abstract)；分类 cs.LG

AI总结 FairHealth通过整合公平性审计、隐私保护联邦学习、可解释性工具等模块，解决低资源医疗AI工具包的关键缺口，提升全球南医疗数据的可信度与公平性。

Comments 8 pages, open-source Python library

Quantifying Explanation Consistency: The C-Score Metric for CAM-Based Explainability in Medical Image Classification

量化解释一致性：基于CAM的医学图像分类可解释性中的C-Score指标

Kabilan Elangovan, Daniel Ting

专题命中 医学数据与评测 ：medical image(title)；pathology(abstract)；分类 cs.CV

AI总结 本文提出C-Score指标，用于评估基于CAM的医学图像分类解释一致性，通过强度强调的成对软IoU量化同一类内解释的可重复性，并在不同CNN架构上评估六种CAM技术的性能。

Federated learning, ethics, and the double black box problem in medical AI

联邦学习、伦理与医疗AI中的双重黑箱问题

Joshua Hatherley, Anders Søgaard, Angela Ballantyne, Ruben Pauwels

机构 * University of Copenhagen（哥本哈根大学） ； University of Otago（奥塔哥大学） ； Aarhus University（奥胡斯大学） 纠错

专题命中 医学数据与评测 ：medical AI(title)；healthcare AI(abstract)；分类 cs.LG

AI总结 本文探讨医疗联邦学习中的联邦不透明性，揭示其带来的双重黑箱问题，并指出其伦理挑战及需克服的关键问题。

Journal ref 2026. The American Journal of Bioethics, forthcoming

Key-Embedded Privacy for Decentralized AI in Biomedical Omics

嵌入式隐私保护用于生物医学组学中的去中心化AI

Rongyu Zhang, Hongyu Dong, Gaole Dai, Ziqi Qiao, Shenli Zheng, Yuan Zhang, Aosong Cheng, Xiaowei Chi, Jincai Luo, Pin Li, Li Du, Dan Wang, Yuan Du, Xudong Xing, Jianxu Chen, Shanghang Zhang

机构 * Zhongguancun Academy（中关村学院） ； China Pharmaceutical University（中国药科大学） ； Leibniz-Institut für Analytische Wissenschaften – ISAS – e.V.（莱布尼茨分析科学研究所） 纠错

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

AI总结 本文提出了一种轻量级联邦学习方法INFL，通过隐式神经表示解决隐私保护与性能之间的平衡问题，在生物医学组学任务中实现了强隐私保护和高实用性。

3D MRI-Based Alzheimer's Disease Classification Using Multi-Modal 3D CNN with Leakage-Aware Subject-Level Evaluation

基于3D MRI的阿尔茨海默病分类：使用多模态3D CNN与泄漏感知的受试者级评估

Md Sifat, Sania Akter, Akif Islam, Md. Ekramul Hamid, Abu Saleh Musa Miah, Najmul Hassan, Md Abdur Rahim, Jungpil Shin

机构 * University of Rajshahi（拉贾斯坦大学） ； University of Aizu（御所大学） ； Pabna University of Science（帕布纳科学大学） 纠错

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

AI总结 本文提出一种多模态3D卷积神经网络，利用原始OASIS 1 MRI体积进行阿尔茨海默病分类，通过受试者级交叉验证实现72.34%的准确率和0.7781的ROC AUC，验证了体积分析在疾病分类中的有效性。

Comments 5 tables, 6 figures, Submitted to International Conference on Power, Electronics, Communications, Computing, and Intelligent Infrastructure 2026

FedSKD: Aggregation-free Model-heterogeneous Federated Learning via Multi-dimensional Similarity Knowledge Distillation for Medical Image Classification

FedSKD: 一种无需聚合的联邦学习模型异质性方法通过多维相似性知识蒸馏用于医学图像分类

Ziqiao Weng, Weidong Cai, Bo Zhou

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

AI总结 FedSKD通过多维相似性知识蒸馏实现无需聚合的异构联邦学习，提升医学图像分类的个性化与泛化能力。

Comments Accepted at IEEE-TNNLS, 17 pages

FL-MedSegBench: A Comprehensive Benchmark for Federated Learning on Medical Image Segmentation

FL-MedSegBench: 一个全面的联邦学习在医学图像分割中的基准测试

Meilu Zhu, Zhiwei Wang, Axiu Mao, Yuxing Li, Xiaohan Xing, Yixuan Yuan, Edmund Y. Lam

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

AI总结 FL-MedSegBench是一个全面的医学图像分割联邦学习基准测试，评估了多种FL方法在分割精度、公平性、通信效率等多维度的表现，揭示了个性化方法在特定场景下的优势。

Comments 19 pages,4 figures

PET-F2I: A Comprehensive Benchmark and Parameter-Efficient Fine-Tuning of LLMs for PET/CT Report Impression Generation

PET-F2I：一种全面的基准和LLMs参数高效微调用于PET/CT报告印象生成

Yuchen Liu, Wenbo Zhang, Liling Peng, Yichi Zhang, Yu Fu, Xin Guo, Chao Qu, Yuan Qi, Le Xue

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

AI总结 PET-F2I-41K提出一种大规模基准和参数高效微调方法，用于提升LLMs在PET/CT报告生成中的性能，通过引入临床相关指标提升诊断准确性与可靠性。

MedQ-Deg: A Multidimensional Benchmark for Evaluating MLLMs Across Medical Image Quality Degradations

MedQ-Deg：一个多维基准，用于评估医疗图像质量退化下的多模态大语言模型

Jiyao Liu, Junzhi Ning, Chenglong Ma, Wanying Qu, Jianghan Shen, Siqi Luo, Jinjie Wei, Jin Ye, Pengze Li, Tianbin Li, Jiashi Lin, Hongming Shan, Xinzhe Luo, Xiaohong Liu, Lihao Liu, Junjun He, Ningsheng Xu

机构 * Fudan University（复旦大学） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 MedQ-Deg是一个多维基准，用于评估医疗图像质量退化下多模态大语言模型的性能，揭示模型在不同退化类型下的表现差异及置信度校准问题。

Comments 29 pages, 11 figures

Federated Vision Transformer with Adaptive Focal Loss for Medical Image Classification

联邦视觉Transformer与自适应焦点损失用于医学图像分类

Xinyuan Zhao, Yihang Wu, Ahmad Chaddad, Tareef Daqqaq, Reem Kateb

机构 * School of Artificial Intelligence, Guilin University of Electronic Technology, Guilin, China, 541004（桂林电子科技大学人工智能学院） ； The Laboratory for Imagery, Vision and Artificial Intelligence, École de Technologie Supérieure, Montreal, Canada, H3C 1K3（影像、视觉与人工智能实验室） ； College of Medicine, Taibah University, Al Madinah, Saudi Arabia, 42353（塔布大学医学院） ； Department of Radiology, Prince Mohammed Bin Abdulaziz Hospital, Ministry of National Guard Health Affairs, Al Madinah, Saudi Arabia, 42324（王子穆罕默德·本·阿卜杜勒阿齐兹医院放射科） ； College of Computer Science and Engineering, Taibah University, Madinah, Saudi Arabia, 42353（塔布大学计算机科学与工程学院） ； Engineering, Jeddah University, Jeddah, Saudi Arabia, 23445（吉达大学工程学院） 纠错

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

AI总结 本研究提出一种结合动态自适应焦点损失和客户端感知聚合策略的联邦学习框架，提升医学图像分类的准确率。

Comments Accepted in Knowledge-Based Systems

FedKDX: Federated Learning with Negative Knowledge Distillation for Enhanced Healthcare AI Systems

FedKDX: 联邦学习中的负知识蒸馏用于增强医疗AI系统

Quang-Tu Pham, Hoang-Dieu Vu, Dinh-Dat Pham, Hieu H. Pham

机构 * Faculty of EEE, Phenikaa School of Engineering（电子工程系，Phenikaa工程学院） ； Phenikaa University（Phenikaa大学） ； VinUni-Illinois Smart Health Center（VinUniversity-伊利诺伊智能健康中心） ； VinUniversity（Vin大学） ； College of Engineering & Computer Science（工程与计算机科学学院） 纠错

专题命中 医学数据与评测 ：healthcare AI(title,abstract)；分类 cs.LG

AI总结 FedKDX通过负知识蒸馏提升医疗AI性能，实现隐私保护与通信成本降低的平衡。

The OCR-PT-CT Project: Semi-Automatic Recognition of Ancient Egyptian Hieroglyphs Based on Metric Learning

OCR-PT-CT项目：基于度量学习的古埃及象形文字半自动识别

David Fuentes-Jimenez, Daniel Pizarro, Álvaro Hernández, Adin Bartoli, César Guerra Méndez, Laura de Diego-Otón, Sira Palazuelos-Cagigas, Carlos Gracia Zamacona

专题命中 医学数据与评测 ：CT(title,abstract)；分类 eess.IV

AI总结 OCR-PT-CT项目利用深度度量学习实现古埃及象形文字的半自动识别，通过图像数据提升识别准确率与适应性。

Low-Level Dataset Distillation for Medical Image Enhancement

Fengzhi Xu, Ziyuan Yang, Mengyu Sun, Joey Tianyi Zhou, Yi Zhang

机构 * School of Cyber Science and Engineering, Sichuan University（四川大学计算机科学与工程学院） ； The Chinese University of Hong Kong（香港中文大学） ； Agency for Science, Technology and Research (A*STAR)（科技研究局） 纠错

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