医学 AI

The Effect of Negation on CLIP in Medical Imaging: Limitations of Contrastive Language-Image Pretraining

否定对CLIP在医学影像中的影响：对比语言-图像预训练的局限性

Jasmine Vu, Shivanand Sheshappanavar

机构 * Santa Clara University（圣克拉拉大学） ； University of Wyoming（怀俄明大学） 纠错

专题命中 医疗多模态 ：medical AI(abstract)；分类 cs.LG

AI总结 研究探讨CLIP在医学影像中处理否定短语的局限性，并通过调优方法提升其检索准确性与可靠性。

Comments 10 pages, 7 figures, submitted to WACV Pixels to Patients Workshop

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。

Simulation-Driven Deep Learning Framework for Raman Spectral Denoising Under Fluorescence-Dominant Conditions

基于模拟的深度学习框架用于荧光主导条件下拉曼光谱去噪

Mengkun Chen, Sanidhya D. Tripathi, James W. Tunnell

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Department of Biomedical Engineering（生物医学工程系） 纠错

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

AI总结 本研究提出了一种基于模拟的深度学习框架，用于在荧光主导条件下提升拉曼光谱质量，通过结合噪声模型和深度神经网络，提高生物组织分析的准确性和效率。

LLMs Do Not See Age: Assessing Demographic Bias in Automated Systematic Review Synthesis

大语言模型不区分年龄：评估自动化系统性综述合成中的人口统计偏差

Favour Yahdii Aghaebe, Tanefa Apekey, Elizabeth Williams, Nafise Sadat Moosavi

机构 * University of Sheffield, UK（谢菲尔德大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究评估了大语言模型在系统性综述合成中对年龄信息的保留能力，发现成人摘要的准确性最低，且受忽视人群更易产生幻觉，强调了对公平性评估框架的需求。

Comments Accepted at AACL 2025 Version 2 Updated with Final version

TwinSegNet: A Digital Twin-Enabled Federated Learning Framework for Brain Tumor Analysis

TwinSegNet: 一种基于数字孪生的联邦学习框架用于脑肿瘤分析

Almustapha A. Wakili, Adamu Hussaini, Abubakar A. Musa, Woosub Jung, Wei Yu

机构 * Department of Computer Science and Information Sciences, Towson University, USA（塔森大学计算机科学与信息科学系） 纠错

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

AI总结 TwinSegNet通过整合混合ViT-UNet模型与个性化数字孪生，实现了隐私保护的联邦学习框架，用于准确且实时的脑肿瘤分割。

Comments IEEE Virtual Conference on Communications. 4-6 November 2025

A Women's Health Benchmark for Large Language Models

为大型语言模型建立女性健康基准

Victoria-Elisabeth Gruber, Razvan Marinescu, Diego Fajardo, Amin H. Nassar, Christopher Arkfeld, Alexandria Ludlow, Shama Patel, Mehrnoosh Samaei, Valerie Klug, Anna Huber, Marcel Gühner, Albert Botta i Orfila, Irene Lagoja, Kimya Tarr, Haleigh Larson, Mary Beth Howard

机构 * Lumos AI ； Medical Oncology, Yale Cancer Center（耶鲁癌症中心医学肿瘤学部） ； Obstetrics and Gynecology, MGH, Harvard Medical School（妇产科，MGH，哈佛医学院） ； Obstetrics, Gynecology & Reproductive Sciences, UCSF（妇产科与生殖科学，UCSF） ； Brown Division of Global Emergency Medicine（全球急诊医学部，布朗分部） ； Department of Emergency Medicine, Emory University（急诊医学部，埃默里大学） ； Pharmacy Department, Clinic Ottakring（药学部，克利克诊所） ； Windrush Surgery, Buckinghamshire, Oxfordshire and Berkshire West Integrated Care Board, NHS（温德许手术，贝肯ham郡，牛津郡和伯克希尔西部整合护理委员会，NHS） ； Women’s Health Research, Yale School of Medicine（女性健康研究，耶鲁医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） 纠错

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

AI总结 本文提出女性健康基准，评估LLM在女性健康领域的表现，发现现有模型在关键任务上存在显著缺陷，需进一步改进以提供可靠医疗建议。

Comments 15 pages, 6 Figures, 2 Tables