医学 AI

GraphRareBench: An Auditable Graph-Evidence Benchmark for Phenotype-Driven Rare-Disease Diagnosis

GraphRareBench：用于表型驱动罕见病诊断的可审计图证据基准测试

Guiling Guo, Jia Yang, Jiahao Xu, Shuyuan Zheng, Zhonghai Sun, Qiyuan Li

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

AI总结 研究针对表型驱动罕见病诊断基准测试不透明问题，引入GraphRareBench基准测试，含病例与目标-混杂因素对。通过共享特征接口监督排名器及特定智能体测试，发现不同方法互补，为更透明的诊断系统评估提供基础。

ARISE: An adaptive residual-informed stability ensemble for feature selection in small-sample biomedical omics

ARISE：用于小样本生物医学组学特征选择的自适应残差感知稳定性集成方法

Zardad Khan, Amjad Ali, Naz Gul, Sheema Gul, Saeed Aldahmani

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

AI总结 该研究提出ARISE方法，整合多类特征选择相关机制，在多组学数据集的小样本分子分类任务中，相比对比方法在多项指标上均取得最优表现。

Comments 30 pages, 6 figures

Leakage-Robust Evaluation and Data-Scale Sensitivity of Attention-Enhanced Multi-Task Learning for Joint Fault Diagnosis and Remaining Useful Life Estimation

用于联合故障诊断和剩余使用寿命估计的注意力增强多任务学习的泄漏鲁棒评估和数据规模敏感性

Md Mahamudur Rahaman Shamim, Md. Nuruzzaman, Zannatul Ferdus, Md Rajib Ahmed, Abieer Nwshad Anward, Mohammad Tooneer, Johir Uddin Khan, Khalid Hossen

机构 * Western Illinois University（西伊利诺伊大学） ； Ahsanullah University of Science and Technology（阿山努拉科技大学） ； Trine University（特莱恩大学） ； Sapienza University of Rome（罗马第一大学） ； Bangladesh University of Engineering and Technology（孟加拉工程技术大学） ； Chittagong University of Engineering and Technology（吉大港工程技术大学） ； Rajshahi University of Engineering & Technology (RUET)（拉杰沙希工程技术大学） 纠错

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

AI总结 研究联合故障诊断和剩余使用寿命估计的多任务深度学习模型中，滑动窗口序列划分对性能的影响。采用AMTLNet架构，引入基于块的泄漏审核划分协议，通过实验得出任务稳定性与标签来源有关，贡献了评估协议和相关证据。

Comments Submitted in Next Research (Elsevier)

Metric Surface Reconstruction of Neurosurgical Scenes from Monocular Operating Microscope Images and Microscope Pose

从单目手术显微镜图像和显微镜位姿重建神经外科场景的度量曲面

Thomas Bucher, Didier Neuenschwander, Thomas Petutschnigg, Michael Murek, David Bervini, Andreas Raabe, Manuela Eugster

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

AI总结 研究能否从单目手术显微镜图像和位姿数据重建神经外科场景的三维几何度量，利用预训练模型估计深度、泊松曲面重建点云成网格，结果显示该方法在模型设置中有技术可行性，支持相关手术技术进一步发展。

MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination

MARC v1：一个用于临床AI推理与协作的开源多智能体框架

Saisha Shetty, Satvik Tripathi, Austin Lin, Colin Zhao, Theodore Kim, Don Enwerem, Jacinta Arnold, Shahriar Faghani, Tessa S Cook

专题命中 医学数据与评测 ：clinical AI(title)

AI总结 该研究提出开源多智能体框架MARC v1，以确定性多智能体编排替代整体式LLM提示用于临床推理，含角色专业化智能体与分解器模块，支持多部署方式，具备模型无关、可解释等特性。

Comments 13 pages, 4 figures

Probing, Fusion, and Trustworthiness: A Systematic Evaluation of Foundation Model Representations for Multimodal Cancer Analysis

探测、融合与可信度：基础模型表示在多模态癌症分析中的系统评估

Jingyu Hu, Giuseppe Tripodi, Reed Naidoo, Sarah F. McGough, Tapabrata Chakraborti

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； University of Bristol（布里斯托大学） ； University of Manchester（曼彻斯特大学） ； The Institute of Cancer Research（癌症研究所） ； Genentech（基因泰克） 纠错

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

AI总结 系统评估基础模型表示在计算病理学任务中的性能，发现图像和组学表示互补，多模态融合在单模态不占优时有效，并利用共形预测验证了不确定性感知推理的临床价值。

Deployment-Centered Evaluation: Predicting Query-Level Rejection Risk in a Clinical LLM System

以部署为中心的评估：预测临床大语言模型系统中的查询级拒绝风险

Alyssa Unell, Miguel Fuentes, Brenna Li, Bridget Lin, Meena Jagadeesan, Sanmi Koyejo, Nigam Shah

机构 * Department of Computer Science（计算机科学系） ； Department of Medicine（医学系） ； Department of Biomedical Data Science（生物医学数据科学系） 纠错

专题命中 医学数据与评测 ：clinical LLM(title)

AI总结 针对临床大语言模型系统，提出基于部署上下文（如提供者类型、科室名称）的预响应分类器，预测用户拒绝风险，AUROC达0.719，并展示其在触发护栏和弃权中的效用。

TomaMMU: A Comprehensive Multimodal Understanding Benchmark for Tomato Leaf Diseases

TomaMMU：用于番茄叶片病害的综合多模态理解基准

Gia-Han Truong, Khang Nguyen Quoc, Luyl-Da Quach

机构 * FPT University（FPT大学） ； Korea University（高丽大学） 纠错

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

AI总结 本研究推出用于番茄叶片病害多模态理解的TomaMMU数据集及TomaBench基准，评估14种VLMs时发现其细粒度识别等存在差距，微调后MCQ准确率达96.09%，为相关研究提供了方向。

Comments Accepted at ECCV CVPPA Workshop

Where Physics Meets Privacy: Federated PINNs for Privacy-Preserving Brain Tumor Biomechanical Modeling

物理与隐私的结合：用于隐私保护的脑肿瘤生物力学建模的联邦物理信息神经网络

Mahmuda Akter Sristy, Md Al-Mahfuz Chowdhury, Momota Ahsana Meem, Sajid Ahamed, Kazi Irfan Subhan

机构 * United International University（联合国际大学） 纠错

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

AI总结 本研究提出联邦物理信息神经网络，结合联邦学习与线性弹性方程的物理约束，在保护数据隐私的前提下，实现了脑肿瘤生物力学建模，其性能优于汇集数据训练的基线模型。

Comments 11 pages, 9 figures

Trustworthy Privacy-Preserving Multimodal Federated Learning for Personalised Breast Cancer Prediction

用于个性化乳腺癌预测的可信隐私保护多模态联邦学习

Ruth Amey, Muhammad Arifur Rahman, Taha Osman, Nicholas Shopland, Andy Burton, Mufti Mahmud, David J. Brown

机构 * NTU（南洋理工大学） 纠错

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

AI总结 研究探讨联邦学习能否兼顾四个关键支柱，支持乳腺癌患者肿瘤进展预测模型开发。通过多模态数据评估联邦学习框架，与集中式模型比较性能，并研究相关策略，结果助于理解隐私保护多模态预测建模可行性及支持未来应用。

Comments 26 pages, 12 figures

FedDP-PALD: A Privacy-Preserving Federated Latent Diffusion Framework with Prototype Aggregation for Medical Data Synthesis

FedDP-PALD：一种用于医学数据合成的具有原型聚合的隐私保护联邦潜在扩散框架

Md. Sajeebul Islam Sk., Khan Enaet Hossain, Md. Mehedi Hasan Shawon

机构 * BRAC University（BRAC大学） ； York University（约克大学） ； University of Maryland（马里兰大学） 纠错

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

AI总结 针对医学数据合成中隐私保护及合成数据预测结构问题，提出FedDP-PALD框架，通过带掩码的门控多头注意力联合处理多模态数据，引入DP-PMA维持差分隐私，实验表明该框架能生成隐私合成表示，保持决策性能并抵抗成员推理。

TrOCR for Medieval HTR: A Systematic Ablation Study with Cross-Dataset Validation

TrOCR 用于中世纪手写文本识别：基于跨数据集验证的系统消融研究

Sachin Sharma, Michele Flammini, Federico Simonetta

机构 * GSSI – Gran Sasso Science Institute（格兰萨索科学研究所） 纠错

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

AI总结 研究通过对比度归一化、数据增强和层冻结三种可控微调策略，提升TrOCR在中世纪手稿上的识别精度，在13世纪意大利手稿上达到8.03%字符错误率，并验证了跨数据集的鲁棒性。

Comments Accepted at Document Analysis Systems Workshop 2026 (ICDAR Satellite event)

Beyond Classification: A Cough Regression Benchmark for Respiratory Acoustic Foundation Models

超越分类：呼吸声学基础模型的咳嗽回归基准

Mayur Sanap, Prasanna Desikan, Edgar Lobaton

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出多模型多目标咳嗽回归基准，评估五个基础模型在六个目标上的表现，发现MLP-small优于线性探测，揭示数据集大小与头部容量的权衡，并展示跨数据集迁移的不对称性。

Comments Accepted at the ICML 2026 Workshop on Structured Data for Health

TreeProbe : A Tibetan Medicine Benchmark for Cultural Bias in LLMs

TreeProbe：面向大型语言模型文化偏见的藏医药基准测试集

Jin Zhang, Linyu Li, Weili Jiang, Yuqing Cai, Yutong Liu, Guanquecairang, Yongbin Yu, Jingye Cai, Nyima Tashi, Gadeng Luosang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Tibet University（西藏大学） ； Peking University（北京大学） ； Southwest Jiaotong University（西南交通大学） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)；biomedical(abstract)

AI总结 本研究针对大型语言模型的藏医药文化偏见问题，构建了首个基于藏医药“医学之树”框架的基准测试集TreeProbe，发现现有模型存在系统性本体漂移，为公平医疗AI开发提供了诊断基准。

Rethinking Clinical Relevance in Chest X-ray Machine Learning: How Evaluation References Define Performance

重新思考胸部X射线机器学习中的临床相关性：评估参考如何定义性能

Panagiotis Fytas, Ian Selby, Clemens Karner, Judith Babar, Simon Baker, Jake Beckford, Timothy J. Sadler, Shahab Shahipasand, Arthikkaa Thavakumar, John Li Chen, Alex Sawer, Michael Roberts, Jonathan Weir-McCall, J. H. F. Rudd, Carola-Bibiane Schönlieb, Anna Korhonen, Anna Breger

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

AI总结 该研究针对胸部X射线机器学习，探究评估参考选择对模型性能与排名的影响，发现常用指标与临床判断一致性差，强调需将评估参考选择作为临床有效性的核心部分。

Comments 67 pages, including supplementary material

COBRA2026: a large-scale multicenter pelvic cone-beam computed tomography projection dataset

COBRA2026：一个大规模多中心盆腔锥束计算机断层扫描投影数据集

Adrian Thummerer, Simon Rit, Florian Kamp, Matteo Maspero, Martjin P. W. Intven, Thomas G. Boné, Christopher Kurz, Guillaume Landry, Thomas Baudier, Mustafa Kadhim, Julius Arnold, Michael Rauter, Barbara Knäusl, Lukas Zimmermann

专题命中 医学数据与评测 ：CT(abstract,abstract_cn)

AI总结 COBRA2026数据集用于开发和评估放疗CBCT相关方法，含欧洲六个中心867名患者数据，经处理后分为训练、验证和测试集，支持多种研究，以特定许可发布并附代码，构成重建挑战基础。

T2D-Bench: Evidence-Gated Evaluation of LLM Outputs for Type 2 Diabetes Using a Multi-Layer Clinical-Lifestyle Knowledge Graph

T2D-Bench：基于多层临床-生活方式知识图谱的2型糖尿病LLM输出证据门控评估

Saba A. Farahani, Hung Cao, Ramesh Jain, Amir M. Rahmani

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；biomedical(abstract)

AI总结 提出T2D-Bench基准，通过多层知识图谱和证据门控机制，检测LLM输出中未满足指南约束的临床遗漏，并在2型糖尿病诊断、用药安全等场景中实现可测量纠正。

Comments 7 pages, 2 figures, 2 tables. Accepted as a poster at AMIA 2026 Annual Symposium

POPSICLE: Benchmark Datasets for Segmentation and Localization in CryoET

POPSICLE: 用于冷冻电镜断层扫描中分割和定位的基准数据集

Jonathan Schwartz, Utz Heinrich Ermel, C. Braxton Owens, Zhuowen Zhao, Ariana Peck, Gus L. W. Hart, Grant J. Jensen, Bridget Carragher, Dari Kimanius

机构 * Biohub ； Brigham Young University 纠错

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

AI总结 提出POPSICLE基准套件，基于CryoET数据门户构建，涵盖真核和原核系统、纯化与原位样本，支持体素分割和稀疏定位任务，旨在解决冷冻电镜断层扫描中缺乏标准化基准的问题。

QFedPolyp: A Communication- and Inference-Efficient Federated Learning Framework for Polyp Segmentation

QFedPolyp：一种用于息肉分割的通信和推理高效的联邦学习框架

Madan Baduwal, Priyanka Paudel

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

AI总结 研究针对息肉分割中集中式学习需共享敏感数据、联邦学习通信成本高的问题，提出QFedPolyp框架，结合量化感知训练与低精度模型通信，经实验验证其能降低通信开销、加快推理速度，适合临床实时部署。

Marine Engine Fault Dataset: Open-Access Data under Controlled Reference and Fault Scenario Conditions

船舶发动机故障数据集：在受控参考和故障场景条件下的开放获取数据

Ahmad BahooToroody, Oleksiy Bondarenko, Mohammad Mahdi Abaei, Niki Yoichi, Enrico Zio

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG、eess.SP

AI总结 该研究提出船舶发动机故障数据集，通过在实际船舶发动机平台结合受控故障实现、多负载运行和系统级测量获取数据，包括多传感器时间序列等，为海上机械相关研究提供记录良好的基准。

Comments submitted to a journal and currently is under review, 34 pages, 13 Figures

Federated Low-Rank Koopman Learning for Multivariate Time-Series Anomaly Detection in IoT Systems

物联网系统中用于多变量时间序列异常检测的联邦低秩库普曼学习

Tung-Anh Nguyen, Van-Phuc Bui, Anh Tuyen Le, Kim Hue Ta, Minh Thuy Le, J. Andrew Zhang, Xiaojing Huang

机构 * University of Technology Sydney（悉尼科技大学） ； FPT University（越南邮电大学） ； Hanoi University of Science and Technology（河内科技大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 cs.LG、eess.SP

AI总结 研究物联网系统多变量时间序列异常检测问题，提出FedKAD框架，通过轻量级滑动窗口库普曼表示学习正常时间动态，经联邦训练优化共享表示，实验表明其检测性能良好且适用于资源受限的边缘设备。

WHU-Infra3D: A Full-stack Multi-modal Dataset and Benchmark for 3D Roadside Infrastructure Inventory

WHU-Infra3D：面向3D路边基础设施清单的全栈多模态数据集与基准

Chong Liu, Luxuan Fu, Xuyu Feng, Zhen Dong, Bisheng Yang

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS)（信息工程测绘遥感国家重点实验室） ； Wuhan University（武汉大学） 纠错

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

AI总结 提出WHU-Infra3D多模态基准数据集，覆盖三城市53.8公里，融合全景图像与LiDAR点云，提供2D-3D实例关联和跨帧跟踪，支持基础设施状态诊断与属性识别，填补自动化维护数据集空白。

A Benchmark for Hallucination Detection in VLMs for Gastrointestinal Endoscopy

胃肠内窥镜中视觉语言模型幻觉检测的基准测试

Aminu Lawal, Niyoj Oli, Sachin Acharya, Prashnna Gyawali, Maria Carmen Romano, Binod Bhattarai

机构 * University of Aberdeen（阿伯丁大学） ； Nepal Applied Mathematics and Informatics Institute for Research（尼泊尔应用数学与信息学研究所） ； West Virginia University（西弗吉尼亚大学） 纠错

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

AI总结 针对胃肠内窥镜领域，在Gut-VLM数据集上基准测试九种幻觉检测方法，发现白盒方法ReXTrust在所有五个视觉语言模型上AUC最高，平均领先19.5点。

Comments Accepted at the Medical Image Understanding and Analysis (MIUA) 2026 conference

MS-MLB: An Open Machine Learning Benchmark for Blood-Based MS Classification

MS-MLB：一个用于血液基质-MS分类的开源机器学习基准

Adam Simson, Ankush Dutta, Quang Bui

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

AI总结 该研究提出首个开源MS分类基准MS-MLB，基于GSE17048全血RNA数据，用控制数据泄露的流程评估算法，梯度提升在留存集表现最优，内置外部模型提交路径，仅用于研究比较。

Performance and Interpretability of Convolutional, Transformer, and Hybrid Deep Learning Models in Colorectal Histology Classification

卷积、Transformer和混合深度学习模型在结直肠组织学分类中的性能与可解释性

Reza Bozorgpour

机构 * College of Engineering & Applied Science, Department of Biomedical Engineering, University of Wisconsin-Milwaukee（工程与应用科学学院生物医学工程系，威斯康星大学密尔沃基分校） 纠错

专题命中 医学数据与评测 ：pathology(abstract)；分类 cs.CV、q-bio

AI总结 本研究系统比较了12种预训练CNN、Transformer和混合架构在结直肠组织病理学分类中的性能，发现EVA-02和ViT-B/16表现最佳，而现代CNN在准确率与模型复杂度间取得良好平衡。

Graph Machine Learning: An Opportunity for Power Systems

图机器学习：电力系统的一个机遇

Martin Sadric, Sebastian Pütz, Christian Nauck, Veit Hagenmeyer, Frank Hellmann, Dirk Witthaut, Benjamin Schäfer

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Helmholtz AI（亥姆霍兹人工智能） ； Potsdam Institute for Climate Impact（波茨坦气候影响研究所） 纠错

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

AI总结 该研究调研近800篇图机器学习与电力系统交叉论文，分析其在电力系统多场景的应用价值，指出领域现存挑战，推导电网基准需求目录并呼吁优先开展基准研究与开放资源发布。

MedMix: Specialization-Consistent Federated Sparse MoEs under Modality Heterogeneity

MedMix：模态异质性下的专业化一致联邦稀疏混合专家模型

Adiba Orzikulova, Dong Min Kim, Jaehong Yoon, Sung-Ju Lee

机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡南洋理工大学） 纠错

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

AI总结 针对联邦多模态医疗AI的客户端与样本级模态异质性问题，提出MedMix框架，通过模态上下文感知路由、共识引导路由对齐与客户端自适应专家聚合，在多模态医疗数据集上取得最优平均F1值，严重异质性下提升显著。

Hybrid Quantum-inspired Kolmogorov-Arnold Networks for Privacy-Aware Federated Biosignal Learning

面向隐私感知的联邦生物信号学习的混合量子启发式柯尔莫哥洛夫-阿诺尔德网络

Chun-Hua Lin, Samuel Yen-Chi Chen, Yu-Chao Hsu, Kuo-Chung Peng, Jiun-Cheng Jiang, Chi-Sheng Chen, Tai-Yue Li, Nan-Yow Chen, En-Jui Kuo, Hsi-Sheng Goan

机构 * National Taiwan University（台湾大学） ； National Center for High-Performance Computing（国家高速计算机中心） ； National Institutes of Applied Research（应用研究院） ； Brookhaven National Laboratory（布鲁克海文国家实验室） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard University（哈佛大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Center for Theoretical Sciences（国家理论科学中心） 纠错

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

AI总结 该研究针对联邦生物信号学习的隐私与效率挑战，提出混合量子启发式柯尔莫哥洛夫-阿诺尔德网络（HQKAN），在两类心电数据集上较MLP实现参数与通信成本降低，且分类性能更优。

Comments 7 pages, 4 figures

HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark

HumanTracker：面向全面且与人类对齐的运动跟踪基准

Dairu Liu, Zekun Qi, Jiayu Zeng, Ruixi Yu, Yu Guan, Yintianrun Zhang, Xuchuan Chen, Sikai Liang, Zekai Li, Chenghuai Lin, Xinqiang Yu, Wenyao Zhang, He Wang, Li Yi

机构 * Nankai University（南开大学） ； Tsinghua University（清华大学） ； Galbot ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

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

AI总结 针对人形运动跟踪评估与人类感知不符、基准多样性不足的问题，提出HumanTracker基准及偏好对齐指标HumanScore，该指标可更好预测人类偏好并揭示运动学指标遗漏的接触与稳定性故障。

Comments Accepted to ECCV 2026

Motor, Cognitive, or Corpus? What Survives Cross-Lingual Transfer in Speech-Based Parkinsons Disease Detection

运动、认知还是语料？基于语音的帕金森病检测中跨语言迁移能保留什么

Serli Kopar, Sam Gijsen, Abner Hernandez, Paula Andrea Perez-Toro, Kerstin Ritter

机构 * Hertie Institute for AI in Brain Health, University of Tübingen（蒂宾根大学赫蒂脑健康人工智能研究所） ； Tübingen AI Center, University of Tübingen（蒂宾根大学蒂宾根人工智能中心） ； Charité–Universitätsmedizin（夏里特医学院） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

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

AI总结 该研究通过对9个SSL语音骨干的分层分析，探究跨语言迁移中保留的语音特征类型，发现层选择依赖语料库且迁移信号缺乏病理特异性，明确了基于语音的PD检测模型的关键局限。