医学 AI

MMAP: A Multi-Magnification and Prototype-Aware Architecture for Predicting Spatial Gene Expression

MMAP: 一种多倍率和原型感知架构，用于预测空间基因表达

Hai Dang Nguyen, Nguyen Dang Huy Pham, The Minh Duc Nguyen, Dac Thai Nguyen, Hang Thi Nguyen, Duong M. Nguyen

机构 * Institute for AI Innovation and Societal Impact（人工智能创新与社会影响研究所） ； Hanoi University of Science and Technology（河内科学技术大学） ； Amsterdam High School for the Gifted（阿姆斯特丹天才高中） ； Anatomic Pathology Division, Laboratory Department, Vinmec Times City International Hospital（Vinmec国际医院解剖病理科实验室部门） ； Vinmec Healthcare System（Vinmec医疗系统） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出MMAP架构，通过多倍率和原型增强方法，解决空间基因表达预测中的局部特征粒度不足和全局空间上下文覆盖不足的问题，实验表明其在多个评估指标上均优于现有最先进方法。

Comments Received Best Paper Award at the 2025 Pacific Rim International Conference on Artificial Intelligence (PRICAI 2025)

Nash: Neural Adaptive Shrinkage for Structured High-Dimensional Regression

Nash: 用于结构高维回归的神经自适应收缩

William R. P. Denault

机构 * Departments of Statistics and Human Genetics（统计学与人类遗传学系） 纠错

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

AI总结 本文提出Nash框架，通过神经网络整合协变量特定的侧信息，实现高维稀疏回归，提升模型适应性和准确性。

Bayesian Nonparametric Mixed-Effect ODEs with Gaussian Processes

基于高斯过程的贝叶斯非参数混合效应微分方程

Julien Martinelli, Maksim Sinelnikov, Harri Lähdesmäki, Quentin Clairon, Mélanie Prague

机构 * Aalto University（阿alto大学） ； Univ. Bordeaux, INSERM BPH, U1219, Inria SISTM team, VRI, France（波尔多大学，INSERM BPH，U1219，Inria SISTM团队，VRI，法国） ； Inria SISTM team（Inria SISTM团队） 纠错

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

AI总结 本文提出MEGPODE模型，通过高斯过程先验分解每个主体的动力学场，实现对异质性动态系统的非参数混合效应建模，提升群体动力学恢复和个体轨迹预测性能。

CAWI: Copula-Aligned Weight Initialization for Randomized Neural Networks

CAWI：基于皮尔逊对齐的随机神经网络权重初始化

Mushir Akhtar, M. Tanveer, Mohd. Arshad

机构 * Indian Institute of Technology Indore（印度理工学院印度尔） 纠错

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

AI总结 CAWI通过数据拟合的皮尔逊模型对齐输入-隐藏层权重，以捕捉特征间依赖关系，提升随机神经网络的预测性能。

Journal ref Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026

Microring Perceptron Sensing for Low-Power Radio-Frequency Detection with Quantum-Compatible Photonic Preprocessing

微环感知机用于低功耗射频检测的量子兼容光子预处理

Bo-Han Wu, Shi-Yuan Ma, Mahmoud Jalali Mehrabad, Mingran Jia, Sri Krishna Vadlamani, Hyeongrak Choi, Dirk Englund

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

AI总结 本文提出微环感知机传感框架，通过光子与射频信号的转换，在低信噪比下提升检测性能，实现光子预处理与神经网络的联合优化，显著提高任务性能。

Comments 14 pages, 5 figures

Eliciting associations between clinical variables from LLMs via comparison questions across populations

通过跨人群比较问题从LLMs中提取临床变量之间的关联

Fabian Kabus, Kian Kordtomeikel, Thomas Brox, Heinz Wiendl, Daiana Stolz, Harald Binder

机构 * Institute of Medical Biometry and Statistics (IMBI), Medical Center, University of Freiburg（弗赖堡大学医学生物统计学研究所（IMBI）、弗赖堡大学医学中心） ； Department of Computer Science, Faculty of Engineering, University of Freiburg（弗赖堡大学工程学院计算机科学系） ； Department of Pneumology, Medical Center, University of Freiburg（弗赖堡大学呼吸科医学中心） ； Department of Neurology and Neurophysiology, Medical Center, University of Freiburg（弗赖堡大学神经学与神经生理学医学中心） 纠错

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

AI总结 本文提出通过结构化比较问题从LLMs中提取临床变量关联，结合统计模型估计相关性，验证在COPD和MS领域中获得保守的因果预测候选链接。

Real-Time Minimum-Energy Operating-Point Tracking for Battery-Powered Micro DC Motors Under Dynamically Variable Loading

为电池供电的微型直流电机在动态可变负载下的实时最小能耗运行点跟踪

Tzu-Hsiang Huang, Haojian Lu, Hen-Wei Huang, Tan Rong

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

AI总结 本文提出一种实时跟踪方法，使电机自主收敛到最小能耗状态，通过轻量级负载指标和两阶段自适应电压策略，在动态负载下实现高效能运行。

Comments 7 pages, 8 figures, 2026 IEEE/ASME International Conference on Advanced Intelligent Mechatronics

RoseCDL: Robust and Scalable Convolutional Dictionary Learning for Rare event and Anomaly Detection

RoseCDL: 用于稀有事件和异常检测的鲁棒且可扩展的卷积字典学习

Jad Yehya, Mansour Benbakoura, Cédric Allain, Benoît Malezieux, Matthieu Kowalski, Thomas Moreau

机构 * Université Paris-Saclay, Inria, CEA（巴黎-萨克雷大学，法国国家信息与自动化研究所，法国国家科学研究中心） ； Université Paris-Saclay, Inria, CNRS, Laboratoire Interdisciplinaire des Sciences du Numériques（巴黎-萨克雷大学，法国国家信息与自动化研究所，法国国家科学研究中心，跨学科数字科学实验室） 纠错

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

AI总结 RoseCDL通过高效训练和在线异常检测方法，提升大规模信号中稀有事件和异常检测的鲁棒性和效率。

Comments Accepted to the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026

Advances in Compliance Detection: Novel Models Using Vision-Based Tactile Sensors

合规检测的进展：基于视觉触觉传感器的新型模型

Ziteng Li, Malte Kuhlmann, Ilana Nisky, Nicolás Navarro-Guerrero

机构 * L3S Research Center , Leibniz Universität Hannover（L3S研究所以及汉诺威莱布尼茨大学） ； Department of Biomedical Engineering and the School of Brain Sciences, Ben-Gurion University of the Negev（生物医学工程系和脑科学学院，本·古里安大学） 纠错

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

AI总结 本文提出基于LRCN和Transformer的两种模型，利用GelSight视觉触觉传感器的RGB图像和其他信息准确预测合规性指标，改进了传统方法的精度和适用性。

Comments Accepted in the IEEE International Conference on Development and Learning (ICDL). The paper contains 8 pages and 7 figures

Droplet-LNO: Physics-Informed Laplace Neural Operators for Accurate Prediction of Droplet Spreading Dynamics on Complex Surfaces

液滴-LNO：用于复杂表面液滴扩展动力学准确预测的物理信息拉普拉斯神经算子

Ganesh Sahadeo Meshram, Partha Pratim Chakrabarti, Suman Chakraborty

机构 * Department of Mechanical Engineering, IIT Kharagpur（印度克里希纳加尔帕大学机械工程系） ； Department of Computer Science & Engineering, IIT Kharagpur（印度克里希纳加尔帕大学计算机科学与工程系） 纠错

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

AI总结 本文提出PI-LNO，通过拉普拉斯变换建模液滴扩展的指数瞬态动力学，利用物理正则化复合损失提升预测精度。

Comments 36 pages, 8 figures

Univariate Channel Fusion for Multivariate Time Series Classification

单变量通道融合用于多变量时间序列分类

Fernando Moro, Vinicius M. A. Souza

机构 * Pontifícia Universidade Católica do Paraná（圣保罗帕尔纳瓦大学） ； Graduate Program in Informatics (PPGIa)（信息学研究生项目） 纠错

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

AI总结 本文提出单变量通道融合方法，通过简单策略将多变量时间序列转换为单变量表示，从而高效解决多变量时间序列分类问题，同时在计算效率上优于现有方法。

Comments International Conference on Pattern Recognition (ICPR 2026)

On the Instantaneous Phase and Frequency Estimation of a Non-Stationary Multicomponent Signal. The JADE Algorithm

关于非平稳多分量信号的瞬时相位和频率估计。JADE算法

Jayanth Mouli, David Anderson, Antonio Cicone

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

AI总结 本文提出JADE算法，结合动态时间规整与FIF算法，用于处理非平稳多分量信号，解决瞬时频率、相位和幅度的准确稳定估计问题，并测试算法在噪声下的鲁棒性。

A Multi-Stage Optimization Pipeline for Bethesda Cell Detection in Pap Smear Cytology

一种用于薄层细胞检测的多阶段优化流程

Martin Amster, Camila María Polotto

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

AI总结 本文提出了一种基于YOLO和U-Net的多阶段优化流程，用于Pap smear图像中的Bethesda细胞检测，通过重叠去除技术和二分类器提升性能，竞赛中获得第二名。

Comments ISBI 2026 Accepted Paper & Second Place Solution for the RIVA Cervical Cytology Challenge Track B

metasnf: Meta Clustering with Similarity Network Fusion in R

metasnf：基于相似性网络融合的元聚类在R中

Prashanth S Velayudhan, Xiaoqiao Xu, Prajkta Kallurkar, Ana Patricia Balbon, Maria T Secara, Adam Taback, Denise Sabac, Nicholas Chan, Shihao Ma, Bo Wang, Daniel Felsky, Stephanie H Ameis, Brian Cox, Colin Hawco, Lauren Erdman, Anne L Wheeler

机构 * Hospital for Sick Children（Sick Children 医院） ； University of Toronto（多伦多大学） ； Centre for Addiction and Mental Health（成瘾与心理健康中心） 纠错

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

AI总结 metasnf包通过元聚类方法，利用相似性网络融合实现高效搜索聚类解，提供可视化、表征和验证功能，帮助研究者发现基于上下文的聚类解。

Comments 66 pages, 26 figures, provisionally accepted at Journal of Statistical Software

Robust gene prioritization for Dietary Restriction via Fast-mRMR Feature Selection techniques

通过快速mRMR特征选择技术实现饮食限制的稳健基因优先级排序

Rubén Fernández-Farelo, Jorge Paz-Ruza, Bertha Guijarro-Berdiñas, Amparo Alonso-Betanzos, Alex A. Freitas

机构 * Universidade da Coruña, Grupo LIDIA - CITIC（圣地亚哥·德·孔波斯特拉大学，LIDIA小组 - CITIC） ； School of Computing, University of Kent（肯特大学计算机学院） 纠错

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

AI总结 本文提出一种稳健高效的基因优先级排序方法，利用快速mRMR特征选择保留相关非冗余特征，构建更简洁可解释的模型，提升饮食限制相关基因的优先级排序性能。

Toward a universal foundation model for graph-structured data

迈向图结构数据的通用基础模型

Sakib Mostafa, Lei Xing, Md. Tauhidul Islam

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出一种通用图基础模型，通过学习可迁移的结构表示，提升跨领域图数据分析能力，在生物医学领域表现优异。

Comments 19 pages, 5 figures, 12 supplementary figures

Enhanced ShockBurst for Ultra Low-Power On-Demand Sensing

增强型冲击爆发用于超低功耗按需传感

Ziyao Zhou, Chen Shen, Sicong Shen, Hen-Wei Huang

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

AI总结 本文对比了ESB与BLE在低功耗按需物联网系统中的性能，发现ESB在延迟、能耗和吞吐量方面均优于BLE，适用于生物医学植入设备等能量受限场景。

Provable and Robust Wavefront Sensing via Self-Reference Interferometry

可证明且稳健的波前传感 via 自参考干涉法

Nebiyou Yismaw, Vishwanath Saragadam, Aswin C. Sankaranarayanan, M. Salman Asif

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

AI总结 本文提出自参考干涉法用于波前传感，通过分析相位差异传播实现相位恢复，证明共素位移可保证连通图并限制误差累积，实验验证了其在光学相位恢复、自动聚焦和穿透散射介质成像中的有效性。

Minimal Sufficient Representations for Self-interpretable Deep Neural Networks

深度神经网络的最小充分表示

Zhiyao Tan, Liu Li, Huazhen Lin

机构 * Center of Statistical Research, School of Statistics（统计研究中心，统计学院） ； New Cornerstone Science Laboratory（新基石科学实验室） ； Southwestern University of Finance and Economics（西南财经大学） ； School of Mathematics and Statistics（数学与统计学院） 纠错

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

AI总结 本文提出DeepIn框架，通过自适应识别和学习最小表示，提升深度神经网络的可解释性与泛化能力，实验证明其在生物医学和视觉任务中提高了预测精度和可解释性。

Cross-Slice Knowledge Transfer via Masked Multi-Modal Heterogeneous Graph Contrastive Learning for Spatial Gene Expression Inference

跨切片知识迁移 via 遮蔽多模态异质图对比学习用于空间基因表达推断

Zhiceng Shi, Changmiao Wang, Jun Wan, Wenwen Min

机构 * Yunnan University（云南大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Zhongnan University of Economics and Law（中南财经政法大学） 纠错

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

AI总结 本文提出SpaHGC模型，通过多模态异质图对比学习，结合局部空间上下文和跨切片相似性，提升空间基因表达预测精度，优于现有九种方法。

Comments Accepted by CVPR-2026

Structural Controllability of Large-Scale Hypergraphs

大规模超图的结构可控性

Joshua Pickard, Xin Mao, Can Chen

机构 * Eric and Wendy Schmidt Center at the Broad Institute of MIT and Harvard（MIT和哈佛大学布罗德研究所的埃里克和wendy Schmidt中心） ； School of Data Science and Society, University of North Carolina at Chapel Hill（夏洛特希尔大学数据科学与社会学院） ； Department of Biostatistics, University of North Carolina at Chapel Hill（夏洛特希尔大学生物统计学系） 纠错

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

AI总结 本文提出超图结构可控性框架，通过多项式动力系统建模，建立拓扑判定准则并设计可扩展的驱动节点选择算法，验证了方法在大规模超图中的有效性。

Comments 14 pages, 4 figures, 1 table

Experimental Analysis of Microbubble Propagation for In-Body Data Transmission

微泡传播的实验分析用于体内数据传输

Annika Tjabben, Lea Bergkemper, Carolin Conrad, Michael Gundall, Hans D. Schotten

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

AI总结 本文通过实验分析探讨微泡作为通信载体的可行性，重点研究其检测方法及调制方案，验证微泡在体内通信中的有效性，并为未来生物医学应用提供基础。

Comments Submitted to IEEE MeditCom 2026

SHAPCA: Consistent and Interpretable Explanations for Machine Learning Models on Spectroscopy Data

SHAPCA：用于光谱数据的机器学习模型一致且可解释的解释

Mingxing Zhang, Nicola Rossberg, Simone Innocente, Katarzyna Komolibus, Rekha Gautam, Barry O'Sullivan, Luca Longo, Andrea Visentin

机构 * School of Computer Science and Information Technology（计算机科学与信息技术学院） ； Centre for Research Training in Artificial Intelligence（人工智能研究培训中心） ； Insight Centre for Data Analytics（数据分析洞察中心） 纠错

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

AI总结 本文提出SHAPCA框架，结合主成分分析和SHAP方法，在原始输入空间提供可解释性，从全局和局部视角分析光谱数据驱动模型行为和个体预测的特征。

Comments 25 pages, 6 figures

Power Analysis for Prediction-Powered Inference

预测驱动推断的功率分析

Yiqun T. Chen, Moran Guo, Shengy Li

机构 * Department of Biostatistics, Johns Hopkins University（约翰霍普金斯大学生物统计学系） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） 纠错

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

AI总结 本文提出基于预测驱动推断的统计功效计算方法，通过推导闭式公式来确定所需标注样本数量，适用于两样本比较和2x2表格的风险测量等常见场景。

Interpretable Classification of Time Series Using Euler Characteristic Surfaces

利用欧拉特征曲面进行时间序列的可解释分类

Salam Rabindrajit Luwang, Sushovan Majhi, Vishal Mandal, Atish J. Mitra, Md. Nurujjaman, Buddha Nath Sharma

机构 * National Institute of Technology, Department of Physics（国立印度技术学院，物理系） ； George Washington University（乔治·华盛顿大学） ； Montana Technological University, Department of Mathematical Sciences（蒙大拿技术大学，数学科学系） 纠错

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

AI总结 本文提出基于欧拉特征（χ）的欧拉特征曲面（ECS）作为替代拓扑特征，用于高效、时空且离散的时间序列分类，通过稳定性定理和实验验证在多个生物医学数据集上取得高准确率。

CrossADR: enhancing adverse drug reactions prediction for combination pharmacotherapy with cross-layer feature integration and cross-level associative learning

CrossADR: 通过跨层特征整合和跨层关联学习增强联合药疗中不良药物反应预测

Y. Cheung

机构 * School of Mathematical Sciences（数学科学学院） ； Shanghai Key Laboratory of PMMP（PMMP上海重点实验室） ； East China Normal University（华东师范大学） ； Shanghai（上海） ； China（中国） 纠错

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

AI总结 CrossADR通过跨层特征整合和跨层关联学习，提升联合药疗中不良药物反应预测的准确性，其在80种实验场景中均取得最佳性能，并提供高分辨率的药物相关蛋白互作和通路分析。

A Statistical Approach for Modeling Irregular Multivariate Time Series with Missing Observations

一种用于具有缺失观测的不规则多变量时间序列的统计方法

Dingyi Nie, Yixing Wu, C. -C. Jay Kuo

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 本文提出通过提取时间无关的汇总统计量来处理不规则多变量时间序列中的缺失值，通过计算四个关键特征并结合标准分类器，在四个生物医学数据集上取得最佳性能，同时降低计算复杂度。

Comments Accepted for publication in APSIPA Transactions on Signal and Information Processing

Journal ref APSIPA Transactions on Signal and Information Processing, 15(1): 61-75, 2026

Silhouette-Driven Instance-Weighted $k$-means

轮廓驱动的实例加权k-均值

Aggelos Semoglou, Aristidis Likas, John Pavlopoulos

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

AI总结 K-Sil通过轮廓驱动的实例加权改进k-均值，提升聚类效果和稳定性。

Comments 36 pages including appendix

Learning Hierarchical Knowledge in Text-Rich Networks with Taxonomy-Informed Representation Learning

在文本丰富网络中学习层次化知识：基于分类学的表示学习

Yunhui Liu, Yongchao Liu, Yinfeng Chen, Chuntao Hong, Tao Zheng, Tieke He

机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 TIER通过构建隐含层次分类学并整合到节点表示中，提升文本丰富网络的层次化知识学习能力，实现更可解释的结构化建模。

Comments Accepted by KDD 2026. Extended version coming soon

MrBERT: Modern Multilingual Encoders via Vocabulary, Domain, and Dimensional Adaptation

MrBERT：通过词汇、领域和维度适应构建的现代多语言编码器

Daniel Tamayo, Iñaki Lacunza, Paula Rivera-Hidalgo, Severino Da Dalt, Javier Aula-Blasco, Aitor Gonzalez-Agirre, Marta Villegas

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

AI总结 MrBERT通过词汇、领域和维度适应，实现了多语言编码器在特定任务和专业领域中的高性能与高效优化。

Comments 24 pages, 14 tables and 4 figures