医学 AI

Unifying Adaptive Fourier and Möbius-Based Models for Efficient and Interpretable Biomedical Signal Decomposition

统一自适应傅里叶与基于莫比乌斯的模型以实现高效且可解释的生物医学信号分解

Christian Canedo, Rocío Carratalá-Sáez, Cristina Rueda

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

AI总结 本文证明自适应傅里叶分解（AFD）与调频莫比乌斯（FMM）模型在数学上等价，并扩展至多通道信号，为结合AFD的计算优势与FMM的可解释性提供理论基础。

BioMedVR: Confusion-Aware Mixture-of-Prompt Experts for Biomedical Visual Reprogramming

BioMedVR: 面向生物医学视觉重编程的混淆感知提示专家混合模型

Jiaxiang Liu, Tianxiang Hu, Juwei Guan, Yujie Wu, Yusong Wang, Yao Mu, Zuozhu Liu, Mingkun Xu

机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科技研究院） ； Zhejiang University（浙江大学） ； Southeast University（东南大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Institute of Science Tokyo（东京科学大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出BioMedVR框架，通过可学习的VR模块实现预训练VLM在生物医学图像上的少样本适应，利用混淆最小化机制和提示专家混合模型解决细粒度分类中的类间混淆问题，在18个数据集上验证了优越性能。

Comments Accepted at ECCV 2026. 19 pages, 6 figures. Project page: https://jxliu-ai.github.io/biomedvr-page/

Self-Driving Datasets: From 20 Million Papers to Nuanced Biomedical Knowledge at Scale

自主驾驶数据集：从2000万篇论文到大规模精细化生物医学知识

Haydn Jones, Yimeng Zeng, Alden Rose, Li S. Yifei, Yining Huang, Kaiwen Wu, Jiaming Liang, Maggie Ziyu Huan, Yoseph Barash, Cesar de la Fuente-Nunez, Osbert Bastani, Zachary Ives, Mark Yatskar, Jacob R. Gardner

机构 * Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； Department of Genetics, University of Pennsylvania（宾夕法尼亚大学遗传学系） ； Departments of Bioengineering and Chemical and Biomolecular Engineering, University of Pennsylvania（宾夕法尼亚大学生物工程与化学与生物分子工程系） 纠错

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

AI总结 本文提出通过PubMed自动生成结构化数据集，实现更大规模、更精细和更准确的生物医学知识，展示Starling系统在多个任务中生成大规模数据集并提升准确性。

Evaluating Interactive 2D Visualization as a Sample Selection Strategy for Biomedical Time-Series Data Annotation

评估交互式二维可视化作为生物医学时间序列数据标注的样本选择策略

Einari Vaaras, Manu Airaksinen, Okko Räsänen

机构 * Signal Processing Research Centre, Tampere University（塔尔皮莱大学信号处理研究中心） ； BABA Center, Department of Physiology, University of Helsinki（赫尔辛基大学生理学系BABA中心） 纠错

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

AI总结 针对生物医学时间序列标注困难，比较随机采样、最远优先遍历和基于交互式2D可视化（2DV）的三种样本选择方法，在婴儿运动评估和语音情感识别任务中，2DV在聚合标签时表现最佳，但个体标注者间标签分布差异大，随机采样最安全。

Comments Accepted for publication in Computers in Biology and Medicine (Elsevier)

Linked Component Analysis from Matrices to High Order Tensors: Applications to Biomedical Data

从矩阵到高阶张量的关联组件分析：应用于生物医学数据

Guoxu Zhou, Qibin Zhao, Yu Zhang, Tülay Adalı, Shengli Xie, Andrzej Cichocki

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

AI总结 本文综述了用于联合分析多块数据的矩阵基组件分析方法，并扩展至多块多向张量数据，重点展示如何通过多向数据性质提取共同和个体特征，用于生物医学数据分析。

Comments 20 pages, 11 figures, Proceedings of the IEEE, 2015

BioFormer: Rethinking Cross-Subject Generalization via Spectral Structural Alignment in Biomedical Time-Series

BioFormer: 通过频谱结构对齐重新思考生物医学时间序列中的跨主体泛化

Guikang Du, Haoran Li, Xinyu Liu, Zhibo Zhang, Xiaoli Gong, Jin Zhang

机构 * College of Computer Science, Nankai University, Tianjin, China（南开大学计算机科学学院） ； College of Cyber Science, Tianjin Key Laboratory of Interventional Brain-Computer Interface（天津介入脑机接口与智能康复重点实验室） ； Intelligent Rehabilitation, Key Lab of Data（智能康复，数据实验室） ； Intelligent System Security, Frontiers Science Center for New Organic Matter, Nankai University, Tianjin, China（智能系统安全，新有机物前沿科学中心，南开大学，天津，中国） 纠错

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

AI总结 提出BioFormer模型，通过频谱漂移视角显式建模主体特异性变异，利用频带对齐模块和样本条件层归一化对齐频谱结构，在六个数据集上F1分数提升6%。

AIMBio-Mat: An AI-Native FAIR Platform for Closed-Loop Materials Discovery and Biomedical Translation

AIMBio-Mat: 一个面向AI的FAIR平台，用于闭环材料发现与生物医学转化

D. -M. Mei, K. Acharya, C. M. Adhikari, M. Adhikari, S. Aryal, B. V. Benson, K. Bhatta, S. Bhattarai, N. Budhathoki, A. M. Castillo, D. Chakraborty, S. Chhetri, S. Choudhury, T. A. Chowdhury, R. D. Cruz, B. Cui, S. Dhital, K. -M. Dong, R. Gapuz, A. Ghasemi, E. Z. Gnimpieba, B. D. S. Gurung, H. A. Hashim, R. I. Harry, K. -E. Hasin, M. K. Hassanzadeh, M. K. Jha, D. Kim, K. -C. Kong, B. Lama, A. Mahat, N. Maharjan, A. Majeed, J. Mammo, M. M. Masud, K. S. Moore, A. Nawaz, H. Oli, S. A. Panamaldeniya, L. Pandey, R. Pandey, Z. Peng, A. Prem, M. M. Rana, K. Rana Magar, R. Rizk, C. S. Tadi, L. -W. Wang, Y. Yang, G. -L. Yin, C. -X. Yu, D. Zeng, M. Zhou, Q. Zhou

机构 * Department of Physics, University of South Dakota（南达科他大学物理系） ； South Dakota School of Mines and Technology（南达科他州矿学院） ； Department of Chemistry, Physics and Materials Science, Fayetteville State University（费耶特维尔州立大学化学、物理与材料科学系） ； University of South Dakota（南达科他大学） ； PROMISE Lab, Sanford Research（桑福德研究机构PROMISE实验室） ； Department of Mechanical Engineering, University of Mississippi（密西西比大学机械工程系） ； Department of Physics and Astronomy, University of Kansas（堪萨斯大学物理与天文学系） ； Tiospa Zina Tribal School（蒂奥萨宾纳部落学校） ； Department of Mechanical and Materials Engineering, University of Nebraska–Lincoln（内布拉斯加大学林肯分校机械与材料工程系） 纠错

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

AI总结 本文提出AIMBio-Mat平台，通过整合材料来源、生物医学背景、知识图谱、不确定性感知的机器学习和人机协作主动学习，解决材料发现与生物医学转化中跨领域推理的问题，并提供可验证的平台蓝图。

Comments 35 pages, 4 figures, and 12 tables

A Systematic Evaluation of Imbalance Handling Methods in Biomedical Binary Classification

对生物医学二分类中不平衡处理方法的系统评估

Jiandong Chen, Lingjie Su, Le Peng, Yash Travadi, Rui Zhang, Ju Sun

机构 * Institute for Health Informatics, University of Minnesota（明尼苏达大学健康信息学研究所） ； Department of Computer Science and Engineering, University of Minnesota（明尼苏达大学计算机科学与工程系） ； School of Statistics, University of Minnesota（明尼苏达大学统计学系） ； Division of Computational Health Sciences, Department of Surgery, University of Minnesota（明尼苏达大学外科系计算健康科学分会） 纠错

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

AI总结 本文系统评估了不同不平衡处理方法对生物医学二分类预测性能的影响，发现复杂模型和非结构化数据中ROS和RW效果显著，而RUS和SMOTE效果较差。

Comments 18 pages, 1 figures, 4 tables

PrimeKG-CL: A Continual Graph Learning Benchmark on Evolving Biomedical Knowledge Graphs

PrimeKG-CL：一个在演进生物医学知识图谱上的持续图学习基准

Yousef A. Radwan, Yao Li, Qing Qing, Ziqi Xu, Xingtong Yu, Jiaxing Huang, Renqiang Luo, Xikun Zhang

机构 * Technology, Innovation, Entrepreneurship Department（技术、创新与创业系） ； King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹大学） ； School of Computing and Information Systems（计算与信息系） ； The University of Melbourne（墨尔本大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； School of Computing Technologies（计算技术学院） ； Jilin University（吉林大学） ； RMIT University（皇家墨尔本理工大学） ； Department of Systems Engineering and Engineering Management（系统工程与工程管理系） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Data Science and Artificial Intelligence（数据科学与人工智能系） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文提出PrimeKG-CL基准，基于九个权威生物医学数据库构建，包含时间快照、任务和多模态特征，评估六种持续学习策略在不同解码器上的性能，发现解码器选择和策略交互显著，仅DistMult能区分持久与过时知识。

CMKL: Modality-Aware Continual Learning for Evolving Biomedical Knowledge Graphs

CMKL：面向演变生物医学知识图谱的模态感知持续学习

Yousef A. Radwan, Yao Li, Qing Qing, Ziqi Xu, Qixin Zhang, Yongcheng Jing, Renqiang Luo, Xikun Zhang

机构 * Technology, Innovation, Entrepreneurship Department（技术、创新与创业部门） ； King Abdullah University of Science and Technology（卡塔尔科技大学） ； School of Computing and Information Systems（计算与信息系统学院） ； The University of Melbourne（墨尔本大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； Jilin University（吉林大学） ； School of Computing Technologies（计算技术学院） ； RMIT University（皇家墨尔本理工大学） ； College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 CMKL通过混合专家路由融合结构、文本和分子信息，利用EWC和K-means多样化重放缓冲区保护已有知识，在生物医学持续学习任务中取得显著提升。

Foundation models for discovering robust biomarkers of neurological disorders from dynamic functional connectivity

用于从动态功能连接中发现神经疾病稳健生物标记物的基础模型

Deepank Girish, Yi Hao Chan, Sukrit Gupta, Jing Xia, Jagath C. Rajapakse

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Department of Biomedical Engineering and the School of Artificial Intelligence and Data Engineering, Indian Institute of Technology Ropar, India（印度理工学院罗帕尔分校生物医学工程系和人工智能与数据工程学院） ； College of Instrument and Computer Science, Zhejiang University, China（浙江大学仪器与计算机科学学院） 纠错

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

AI总结 本文提出RE-CONFIRM框架，评估深度学习模型中潜在生物标记物的稳健性，发现传统指标不足，提出Hub-LoRA技术提升模型性能并产生神经生物学忠实的生物标记物。

Injecting Structured Biomedical Knowledge into Language Models: Continual Pretraining vs. GraphRAG

将结构化生物医学知识注入语言模型：持续预训练与GraphRAG

Jaafer Klila, Sondes Bannour Souihi, Rahma Boujelben, Nasredine Semmar, Lamia Hadrich Belguith

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

AI总结 本文提出通过持续预训练和GraphRAG两种方法将结构化生物医学知识注入语言模型，提升其在生物医学领域的表现，实验显示BERTUMLS在知识密集型问答任务中表现优异，GraphRAG在PubMedQA和BioASQ上提升显著。

Comments Accepted at LREC 2026

Bio-RV: Low-Power Resource-Efficient RISC-V Processor for Biomedical Applications

Bio-RV：低功耗资源高效RISC-V处理器用于生物医学应用

Vijay Pratap Sharma, Annu Kumar, Mohd Faisal Khan, Mukul Lokhande, Santosh Kumar Vishvakarma

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

AI总结 本文提出Bio-RV，一种紧凑且资源高效的RISC-V处理器，用于生物医学控制应用，如基于加速器的生物医学SoC和植入式起搏器系统。该处理器支持可控固件部署、ASIC验证和后硅测试。

Comments IEEE International Conference on Interdisciplinary Approaches in Technology and Management for Social Innovation (IATMSI-2026)

Towards a Medical AI Scientist

迈向医疗AI科学家

Hongtao Wu, Boyun Zheng, Dingjie Song, Yu Jiang, Jianfeng Gao, Lei Xing, Lichao Sun, Yixuan Yuan

机构 * The Chinese University of Hong Kong（香港中文大学） ； Lehigh University（里海大学） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） 纠错

专题命中 生物医学文本 ：medical AI(title,abstract)；分类 cs.LG

AI总结 本文提出医疗AI科学家框架，通过临床工程师协同推理机制生成可落地的医学研究想法，并基于结构化医学规范和伦理政策撰写论文，验证其在171案例、19临床任务和6种数据模态中的高质量表现。

Aligning LLMs with Biomedical Knowledge using Balanced Fine-Tuning

通过平衡微调对齐大语言模型与生物医学知识

Zhenchao Tang, Fang Wang, Haohuai He, Jiale Zhou, Tianxu Lv, Jun Zhu, Shouzhi Chen, Minghao Yang, Yu Wang, Jiayang Wu, Yidong Song, Yaokun Li, Jiehui Huang, Dawei Huang, Zhi Song, Jianhua Yao

机构 * Tencent AI for Life Sciences Lab（腾讯AI生命科学实验室） ； Sun Yat-sen University（中山大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Westlake University（西湖大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出平衡微调方法，通过双尺度后训练技术提升大语言模型对生物医学知识的理解与生成能力，实验表明其在医疗和生物学推理任务中优于传统方法。

From Panel to Pixel: Zoom-In Vision-Language Pretraining from Biomedical Scientific Literature

从面板到像素：从生物医学科学文献中进行缩放视觉-语言预训练

Kun Yuan, Min Woo Sun, Zhen Chen, Alejandro Lozano, Xiangteng He, Shi Li, Nassir Navab, Xiaoxiao Sun, Nicolas Padoy, Serena Yeung-Levy

机构 * University of Strasbourg, CNRS, INSERM, ICube, UMR7357, Strasbourg, France（斯特拉斯堡大学、法国国家科学研究中心、法国国家医学研究院、ICube、UMR7357、斯特拉斯堡，法国） ； Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； DSAI, The Hong Kong Polytechnic University（香港理工大学DSAI实验室） ； University of British Columbia（不列颠哥伦比亚大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； IHU Strasbourg, Strasbourg（斯特拉斯堡IHU医院，斯特拉斯堡） ； Vector Institute for AI（人工智能向量研究所） ； Yale University（耶鲁大学） 纠错

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

AI总结 本文提出Panel2Patch方法，通过挖掘生物医学文献中的层次结构，生成多粒度监督，提升视觉-语言预训练效果。

Vision-based Deep Learning Analysis of Unordered Biomedical Tabular Datasets via Optimal Spatial Cartography

基于视觉的深度学习分析无序生物医学表格数据的最优空间制图

Sakib Mostafa, Tarik Massoud, Maximilian Diehn, Lei Xing, Md Tauhidul Islam

机构 * Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤学系） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Institute for Stem Cell Biology and Regenerative Medicine, Stanford University（斯坦福大学干细胞生物学与再生医学研究所） ； Stanford Cancer Institute, Stanford University（斯坦福癌症研究所） 纠错

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

AI总结 本文提出Dynomap框架，通过学习任务优化的特征空间拓扑，提升视觉模型对无序生物医学数据的处理能力，在多个数据集上均优于传统方法。

Comments 54 Pages, 8 main figures, 26 supplementary figures

Sheaf Neural Networks and biomedical applications

Sheaf神经网络与生物医学应用

Aneeqa Mehrab, Jan Willem Van Looy, Pietro Demurtas, Stefano Iotti, Emil Malucelli, Francesca Rossi, Ferdinando Zanchetta, Rita Fioresi

机构 * University of Ferrara（费拉拉大学） ； University of Bologna（博洛尼亚大学） 纠错

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

AI总结 本文阐述了sheaf神经网络的理论与数学建模，并通过具体案例展示其在生物医学问题中的有效性，优于主流图神经网络。

Comments Bibliography updated

VICatMix: variational Bayesian clustering and variable selection for discrete biomedical data

VICatMix：变分贝叶斯聚类与变量选择用于离散生物医学数据

Jackie Rao, Paul D. W. Kirk

机构 * MRC Biostatistics Unit University of Cambridge East Forvie Building（医学研究理事会生物统计学单位剑桥大学东部大楼） ； MRC Biostatistics Unit and CRUK Cambridge Centre Ovarian Programme and Cambridge Institute of Therapeutic Immunology and Infectious Disease (CITIID) University of Cambridge（医学研究理事会生物统计学单位和癌症研究英国委员会剑桥中心卵巢计划及剑桥治疗免疫学和传染病研究所（CITIID）剑桥大学） 纠错

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

AI总结 VICatMix通过变分贝叶斯方法实现高效聚类和变量选择，适用于高维生物医学数据，提升癌症亚型分组和驱动基因发现的准确性。

P-RAG: Prompt-Enhanced Parametric RAG with LoRA and Selective CoT for Biomedical and Multi-Hop QA

P-RAG：结合LoRA和选择性CoT的增强型参数RAG

Xingda Lyu, Gongfu Lyu, Zitai Yan, Yuxin Jiang

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

AI总结 P-RAG通过LoRA和选择性CoT提升生物医学问答的准确性和可扩展性。

Journal ref Proceedings of International Conference on Computing and Data Science Symposium: Application of Machine Learning in Engineering, 2025

WaveFormer: Wavelet Embedding Transformer for Biomedical Signals

WaveFormer: 用于生物医学信号的小波嵌入变换器

Habib Irani, Bikram De, Vangelis Metsis

机构 * Texas State University（德克萨斯州立大学） 纠错

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

AI总结 WaveFormer通过整合小波分解技术，提升生物医学信号分类的频率感知能力，实现更精确的时间序列分类。

Identifying Evidence-Based Nudges in Biomedical Literature with Large Language Models

利用大语言模型在生物医学文献中识别基于证据的助推

Jaydeep Chauhan, Mark Seidman, Pezhman Raeisian Parvari, Zhi Zheng, Zina Ben-Miled, Cristina Barboi, Andrew Gonzalez, Malaz Boustani

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

AI总结 利用大语言模型在生物医学文献中识别基于证据的助推，通过多阶段流程实现高效提取和验证。

Attention-Based Deep Learning for Early Parkinson's Disease Detection with Tabular Biomedical Data

基于注意力机制的深度学习在早期帕金森病检测中的应用：使用表格化生物医学数据

Olamide Samuel Oseni, Ibraheem Omotolani Obanla, Toheeb Aduramomi Jimoh

机构 * African Institute for Mathematical Sciences, Kigali, Rwanda（非洲数学科学研究所，基加利，刚果（金）） ； Department of Data and Information Science, University of Ibadan, Oyo State, Nigeria（数据与信息科学系，伊巴丹大学，奥约州，尼日利亚） ； Department of Computer Science and Information Systems, University of Limerick, Castletroy, V94 T9PX, Limerick, Ireland（计算机科学与信息系统系，利默里克大学，卡斯利特罗伊，爱尔兰） 纠错

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

AI总结 本文提出基于注意力机制的深度学习模型，用于早期帕金森病检测，通过表格化生物医学数据实现高精度分类。

Towards Visually Explaining Statistical Tests with Applications in Biomedical Imaging

向视觉解释统计检验方法：在生物医学成像中的应用

Masoumeh Javanbakhat, Piotr Komorowski, Dilyara Bareeva, Wei-Chang Lai, Wojciech Samek, Christoph Lippert

机构 * Digital Health-Machine Learning group, Hasso-Plattner Institute（数字健康-机器学习组，哈索-普拉特纳研究所） ； Department of Artificial Intelligence, Fraunhofer Heinrich Hertz Institute（人工智能系，弗劳恩霍夫海因里希·赫兹研究所） 纠错

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

AI总结 本文提出了一种可解释的深度统计检验框架，通过样本级和特征级解释揭示组间差异驱动因素，应用于生物医学成像中实现可解释的无标签群体分析。

Advances in Photoacoustic Imaging Reconstruction and Quantitative Analysis for Biomedical Applications

光电成像重建与生物医学应用中的定量分析进展

Lei Wang, Weiming Zeng, Kai Long, Hongyu Chen, Rongfeng Lan, Li Liu, Wai Ting Siok, Nizhuan Wang

机构 * The Laboratory of Digital Image and Intelligent Computation（数字图像与智能计算实验室） ； Shanghai Maritime University（上海 Maritime 大学） ； School of Electronic Engineering and Intelligent Manufacturing（电子工程与智能制造学院） ； Anqing Normal University（安庆师范学院） ； School of Engineering（工程学院） ； Great Bay University（Great Bay 大学） ； Dongguan Great Bay Institute for Advanced Study（东莞 Great Bay 高级研究机构） ； School of Basic Medical Sciences（基础医学学院） ； Shenzhen University Medical School（深圳大学医学院） ； Department of Chinese and Bilingual Studies（中文与双语研究部） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文综述了光电成像在生物医学应用中的最新进展，重点探讨了三种主要技术的原理、图像重建方法及定量分析的发展，突出了深度学习在提升成像质量和推动该领域发展中的关键作用。

Journal ref Visual Computing for Industry, Biomedicine, and Art, 2026

Knowledge Distillation for Continual Learning of Biomedical Neural Fields

用于生物医学神经场持续学习的知识蒸馏

Wouter Visser, Jelmer M. Wolterink

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

AI总结 本文通过知识蒸馏缓解神经场在持续学习中的灾难性遗忘问题，验证了其在生物医学成像中的有效性。

Comments 5 pages, 6 figures

DeepEvidence: Empowering Biomedical Discovery with Deep Knowledge Graph Research

DeepEvidence: 通过深度知识图谱研究赋能生物医学发现

Zifeng Wang, Zheng Chen, Ziwei Yang, Xuan Wang, Qiao Jin, Yifan Peng, Zhiyong Lu, Jimeng Sun

机构 * Keiji AI ； Institute of Scientific and Industrial Research, Osaka University（大阪大学科学工业研究所） ； Bioinformatics Center, Institute for Chemical Research, Kyoto University（京都大学化学研究所生物信息中心） ； Division of Intramural Research, National Library of Medicine, National Institutes of Health（国家卫生研究院生物医学图书馆内部研究部） ； Department of Population Health Sciences, Weill Cornell Medicine（韦尔·科恩医学中心流行病学与健康科学系） ； School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机与数据科学学院） 纠错

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

AI总结 DeepEvidence通过深度知识图谱研究框架，系统化地连接异构生物医学资源，提升科学发现的效率和证据综合能力。

Efficient and Reproducible Biomedical Question Answering using Retrieval Augmented Generation

高效且可重复的生物医学问答使用检索增强生成

Linus Stuhlmann, Michael Alexander Saxer, Jonathan Fürst

机构 * School of Engineering, Zurich University of Applied Sciences, Winterthur, Switzerland（工程学院，应用科学大学，温特图尔，瑞士） 纠错

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

AI总结 本研究提出了一种高效的生物医学问答系统，通过检索增强生成方法，在PubMed语料库上优化检索深度与响应时间的平衡。

Comments Minor wording corrections and updated author contact information

Journal ref 2025 IEEE Swiss Conference on Data Science (SDS), pp. 154-157

Interpretable Perturbation Modeling Through Biomedical Knowledge Graphs

通过生物医学知识图谱进行可解释的扰动建模

Pascal Passigan, Kevin Zhu, Angelina Ning

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出一种基于生物医学知识图谱的可解释扰动建模方法，通过整合多模态嵌入和图注意力网络，提升对药物-细胞对基因表达扰动的预测能力。

Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization

简单代理在生物医学影像工作流优化中胜过专家

Xuefei, Wang, Kai A. Horstmann, Ethan Lin, Jonathan Chen, Alexander R. Farhang, Sophia Stiles, Atharva Sehgal, Jonathan Light, David Van Valen, Yisong Yue, Jennifer J. Sun

机构 * Caltech（加州理工学院） ； Cornell（康奈尔大学） ； UT Austin（得克萨斯大学奥斯汀分校） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） 纠错

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

AI总结 本文提出简单代理在生物医学影像工作流优化中优于专家，通过系统评估框架验证了代理设计的实用性。