医学 AI

TaBSA -- A framework for training and benchmarking algorithms scheduling tasks for mobile robots working in dynamic environments

TaBSA -- 一个用于训练和评估移动机器人在动态环境中任务调度算法的框架

Wojciech Dudek, Daniel Giełdowski, Dominik Belter, Kamil Młodzikowski, Tomasz Winiarski

机构 * Warsaw University of Technology, Institute of Control ； Institute of Robotics ； Machine Intelligence, Pozna\'n University of Technology, Pl. Marii Sklodowskiej-Curie 5, PL 60-965 Pozna\'n, Poland 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 TaBSA框架为移动机器人在动态环境中提供任务调度算法的训练和评估工具，支持经典与AI方法，通过结构化场景建模和ROS集成实现可重复评估。

Comments Article submitted to the SoftwareX journal

DermoGPT: Open Weights and Open Data for Morphology-Grounded Dermatological Reasoning MLLMs

DermoGPT: 开放权重和开放数据用于基于形态的皮肤病学推理大语言模型

Jinghan Ru, Siyuan Yan, Yuguo Yin, Yuexian Zou, Zongyuan Ge

机构 * School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； Faculty of Information Technology, Monash University（信息科技学院，莫纳什大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 DermoGPT通过开放权重和数据提升皮肤病学推理的MLLM性能，实现与专家诊断流程的一致性。

CTIS-QA: Clinical Template-Informed Slide-level Question Answering for Pathology

CTIS-QA：基于临床模板的滑动切片级问题回答用于病理学

Hao Lu, Ziniu Qian, Yifu Li, Yang Zhou, Bingzheng Wei, Yan Xu

机构 * School of Biological Science（生物科学学院） ； Medical Engineering Beihang University Beijing, China（医学工程北京航空航天大学北京中国） ； ByteDance Inc.（字节跳动公司） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 CTIS-QA通过双流架构实现滑动切片级问题回答，结合临床模板和视觉-语言对齐，提升病理诊断准确性。

Comments The paper has been accepted by BIBM 2025

Toward Auditable Neuro-Symbolic Reasoning in Pathology: SQL as an Explicit Trace of Evidence

迈向病理学中的可审计神经符号推理：SQL作为证据的显式轨迹

Kewen Cao, Jianxu Chen, Yongbing Zhang, Ye Zhang, Hongxiao Wang

机构 * Capital Normal University, Beijing, China（首都师范大学） ； Leibniz-Institut für Analytische Wissenschaften-ISAS, Dortmund, Germany（莱比锡分析科学研究所-ISAS） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳校区） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 q-bio

AI总结 本文提出一种基于SQL的神经符号推理框架，通过可执行的SQL轨迹实现病理分析的可审计性和可解释性。

Mind the Gap: Continuous Magnification Sampling for Pathology Foundation Models

注意间隙：连续放大采样用于病理基础模型

Alexander Möllers, Julius Hense, Florian Schulz, Timo Milbich, Maximilian Alber, Lukas Ruff

机构 * Berlin Institute for the Foundations of Learning and Data (BIFOLD)（柏林学习与数据基础研究所） ； Machine Learning Group, Technische Universität Berlin（柏林技术大学机器学习小组） ； Aignostics（Aignostics公司） ； Charité, Universitätsmedizin Berlin（柏林夏里特大学医学院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文提出连续放大采样方法，通过优化采样分布提升病理基础模型在不同放大倍率下的性能，显著改善中间放大倍率下的分类准确率。

G2L:From Giga-Scale to Cancer-Specific Large-Scale Pathology Foundation Models via Knowledge Distillation

G2L：从千兆级到癌症特异性大规模病理基础模型的知识蒸馏

Yesung Cho, Sungmin Lee, Geongyu Lee, Minkyung Lee, Jongbae Park, Dongmyung Shin

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV

AI总结 G2L框架通过知识蒸馏将千兆级模型能力转移到大规模模型，以更少的参数和数据实现癌症特异性任务的高性能表现。

Comments Accepted in AAAI 2026 workshop in Health Intelligence Special Theme on Foundation Models and AI Agents

Virtual Multiplex Staining for Histological Images using a Marker-wise Conditioned Diffusion Model

使用标记条件扩散模型进行虚拟多标记染色

Hyun-Jic Oh, Junsik Kim, Zhiyi Shi, Yichen Wu, Yu-An Chen, Peter K Sorger, Hanspeter Pfister, Won-Ki Jeong

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出了一种基于条件扩散模型的虚拟多标记染色方法，利用预训练模型生成多标记图像，提升了H&E图像的分子层面分析能力。

Comments Accepted at AAAI 2026

Data-Augmented Multimodal Feature Fusion for Multiclass Visual Recognition of Oral Cancer Lesions

数据增强多模态特征融合用于口腔癌病变的多类视觉识别

Joy Naoum, Revana Salama, Ali Hamdi

机构 * MSA University（MSA大学） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出一种数据增强驱动的多模态特征融合框架，用于提升口腔癌病变的多类视觉识别性能。

Conditional Diffusion Model with Anatomical-Dose Dual Constraints for End-to-End Multi-Tumor Dose Prediction

具有解剖剂量双约束的条件扩散模型用于端到端多肿瘤剂量预测

Hui Xie, Haiqin Hu, Lijuan Ding, Qing Li, Yue Sun, Tao Tan

机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工大学应用科学学院） ； Affiliated Hospital of Xiangnan University（湘南大学附属医院） ； Jiangxi Cancer Hospital（江西省肿瘤医院） ； Chenzhou Third People's Hospital（郴州第三人民医院） 纠错

专题命中 病理影像 ：CT(abstract)；分类 cs.CV

AI总结 ADDiff-Dose通过条件扩散模型实现多肿瘤剂量预测，结合解剖和剂量约束，提升预测精度与临床适用性。

How to make Medical AI Systems safer? Simulating Vulnerabilities, and Threats in Multimodal Medical RAG System

如何使医疗AI系统更安全？在多模态医疗RAG系统中模拟漏洞和威胁

Kaiwen Zuo, Zelin Liu, Raman Dutt, Ziyang Wang, Zhongtian Sun, Fan Mo, Pietro Liò

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

AI总结 本文提出MedThreatRAG框架，通过模拟攻击环境揭示医疗RAG系统漏洞，展示跨模态冲突注入对系统性能的严重影响。

Comments Sumbitted to 2026 ICASSP

Placenta Accreta Spectrum Detection using Multimodal Deep Learning

利用多模态深度学习进行胎盘增生谱检测

Sumaiya Ali, Areej Alhothali, Sameera Albasri, Ohoud Alzamzami, Ahmed Abduljabbar, Muhammad Alwazzan

机构 * Department of Computer Science, Faculty of Computing and Information Technology, King Abdulaziz University（计算机科学系，计算与信息科技学院，国王阿卜杜勒阿齐兹大学） ； Department of Radiology, King Abdulaziz University Hospital（放射科，国王阿卜杜勒阿齐兹大学医院） 纠错

专题命中 医疗多模态 ：MRI(abstract)；diagnosis(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 本研究提出多模态深度学习方法，通过整合3D MRI和2D US数据，提高胎盘增生谱检测的准确率和AUC值，有效提升产前风险评估能力。

A unified multimodal understanding and generation model for cross-disciplinary scientific research

面向跨学科科学研究的统一多模态理解和生成模型

Xiaomeng Yang, Zhiyu Tan, Xiaohui Zhong, Mengping Yang, Qiusheng Huang, Lei Chen, Libo Wu, Hao Li

专题命中 医疗多模态 ：biomedical(abstract)

AI总结 FuXi-Uni是一种统一多模态模型，能跨学科领域理解和生成科学数据，通过自然语言和科学数值预测提升跨学科研究效率。

Generalized Scattering Matrix Framework for Modeling Implantable Antennas in Multilayered Spherical Media

多层球形介质中可植入天线建模的通用散射矩阵框架

Chenbo Shi, Xin Gu, Shichen Liang, Jin Pan

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

AI总结 本文提出了一种用于多层球形介质中可植入天线建模的通用散射矩阵框架，通过分离辐射器与周围介质特性，实现高效建模和快速重新评估。

"FRAME: Forward Recursive Adaptive Model Extraction-A Technique for Advance Feature Selection"

FRAME：前向递归自适应模型提取——一种高级特征选择技术

Nachiket Kapure, Harsh Joshi, Parul Kumari, Rajeshwari Mistri, Manasi Mali

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

AI总结 FRAME通过结合前向选择和递归特征消除，提升特征选择的准确性与效率，适用于需要可解释和准确预测的应用。

Comments The manuscript was posted prematurely and without full consideration of dissemination constraints agreed upon by the authors and collaborators. The authors are withdrawing this submission

Enhanced Leukemic Cell Classification Using Attention-Based CNN and Data Augmentation

基于注意力机制的CNN与数据增强的白血病细胞分类增强

Douglas Costa Braga, Daniel Oliveira Dantas

机构 * Departamento de Computação, Universidade Federal de Sergipe（计算机系，塞尔希佩联邦大学） 纠错

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

AI总结 本文提出基于注意力机制的CNN与数据增强方法，实现白血病细胞分类的高准确率与高效参数使用。

Comments 9 pages, 5 figures, 4 tables. Submitted to VISAPP 2025

STEMNIST: Spiking Tactile Extended MNIST Neuromorphic Dataset

STEMNIST：基于事件的神经形态触觉数据集

Anubhab Tripathi, Li Gaishan, Zhengnan Fu, Chiara Bartolozzi, Bert E. Shi, Arindam Basu

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 STEMNIST是一个扩展至35个字母数字类别的神经形态触觉数据集，用于评估基于事件的触觉识别性能。