医学 AI

Spatial Multi-Task Learning for Breast Cancer Molecular Subtype Prediction from Single-Phase DCE-MRI

空间多任务学习用于从单相DCE-MRI预测乳腺癌分子亚型

Sen Zeng, Hong Zhou, Zheng Zhu, Yang Liu

机构 * Tsinghua University（清华大学） ； Southwest Forestry University（西南林业大学） ； GigaAI ； KCL 纠错

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

AI总结 本研究提出空间多任务学习框架，利用单相DCE-MRI实现乳腺癌分子亚型的非侵入性预测，通过多任务学习提升ER、PR、HER2及Ki-67的预测性能。

MiCo: Multiple Instance Learning with Context-Aware Clustering for Whole Slide Image Analysis

MiCo：基于上下文感知聚类的多实例学习用于整张滑动图像分析

Junjian Li, Jin Liu, Hulin Kuang, Hailin Yue, Mengshen He, Jianxin Wang

机构 * Hunan Provincial Key Lab on Bioinformatics, School of Computer Science and Engineering, Central South University（湖南生物信息省重点实验室，计算机科学与工程学院，中南大学） ； Xinjiang Engineering Research Center of Big Data and Intelligent Software, School of Software, Xinjiang University（新疆大数据与智能软件工程研究中心，软件学院，新疆大学） 纠错

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

AI总结 MiCo通过上下文感知聚类提升整张滑动图像分析中跨区域组织相关性和语义关联。

Comments MICCAI 2025

Histopathology-centered Computational Evolution of Spatial Omics: Integration, Mapping, and Foundation Models

基于组织病理学的计算进化空间组学：整合、映射与基础模型

Ninghui Hao, Xinxing Yang, Boshen Yan, Dong Li, Junzhou Huang, Xintao Wu, Emily S. Ruiz, Arlene Ruiz de Luzuriaga, Chen Zhao, Guihong Wan

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

AI总结 本文综述了基于组织病理学的计算进化空间组学，从整合、映射和基础模型三个范式出发，探讨了H&E图像在不同阶段的作用及当前研究的挑战与方向。

Comments 30 pages, 5 figures

Human-in-the-Loop Interactive Report Generation for Chronic Disease Adherence

具有临床医生的交互式报告生成用于慢性病依从性

Xiaotian Zhang, Jinhong Yu, Pengwei Yan, Le Jiang, Xingyi Shen, Mumo Cheng, Xiaozhong Liu

专题命中 医疗多模态 ：clinical AI(abstract)

AI总结 本文提出一种具有临床医生的交互式报告生成系统，通过AI生成与医生审查的分工，提高慢性病依从性报告的效率和准确性，同时确保问责制。

Comments 5 pages, 3 figures. Accepted at the AAAI 2026 Workshop on AI for Healthy Aging and Longevity

Neural Operators for Biomedical Spherical Heterogeneity

神经运算符用于生物医学球形异质性

Hao Tang, Hao Chen, Hao Li, Chao Li

机构 * University of Dundee（邓迪大学） ； University of Cambridge（剑桥大学） ； Fudan University（复旦大学） 纠错

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

AI总结 GSNO通过融合等变、不变和各向异性格林函数运算，有效建模生物医学中的球形异质性和各向异性，提升真实世界系统的适应性与效率。

UETQuintet at BioCreative IX -- MedHopQA: Enhancing Biomedical QA with Selective Multi-hop Reasoning and Contextual Retrieval

UETQuintet在BioCreative IX上的MedHopQA：通过选择性多跳推理和上下文检索增强生物医学问答

Quoc-An Nguyen, Thi-Minh-Thu Vu, Bich-Dat Nguyen, Dinh-Quang-Minh Tran, Hoang-Quynh Le

机构 * VNU University of Engineering and Technology（越南工程大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文提出MedHopQA模型，通过选择性多跳推理和上下文检索提升生物医学问答性能，在BioCreative IX共享任务中取得第二名成绩。

Comments In Proceedings of the BioCreative IX Challenge and Workshop (BC9): Large Language Models for Clinical and Biomedical NLP, IJCAI 2025

Variational decomposition autoencoding improves disentanglement of latent representations

变分分解自编码器改进潜在表示的解耦

Ioannis Ziogas, Aamna Al Shehhi, Ahsan H. Khandoker, Leontios J. Hadjileontiadis

机构 * Dept. of Biomedical Engineering, Khalifa University of Science and Technology（生物医学工程系，哈利法大学） ； School of Electrical and Computer Engineering, Aristotle University of Thessaloniki（电气与计算机工程学院，亚里士多德大学） 纠错

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

AI总结 变分分解自编码器通过信号分解模型和对比自监督任务，提升高维动态信号的潜在表示解耦能力，适用于语音识别和情感分类等任务。

Comments Supplementary information file at: https://drive.google.com/drive/folders/1sZl2AcCtRK-1oav7XZSaxlu0Cq0-3MMs?usp=sharing

Beyond Perfect Scores: Proof-by-Contradiction for Trustworthy Machine Learning

超越完美分数：基于矛盾证明的可信机器学习证明

Dushan N. Wadduwage, Dineth Jayakody, Leonidas Zimianitis

机构 * Old Dominion University（旧 Dominion 大学） 纠错

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

AI总结 本文提出基于矛盾证明的可信度测试方法，通过随机排列标签来评估模型是否依赖真实临床线索，从而提高机器学习在生物医学中的可信度和临床应用潜力。

Comments 13 pages, 6 figures

A Time-Domain Method of Auxiliary Sources for Efficient Analysis of Transient Electromagnetic Scattering by Moderately Conductive Cylinders

辅助源时间域方法用于高效分析由中等导电圆柱体引起的瞬态电磁散射

Minas Kouroublakis, Nikolaos L. Tsitsas, Yehuda Leviatan

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种时间域辅助源方法结合标准阻抗边界条件，用于高效分析中等导电圆柱体的瞬态电磁散射问题。

Journal ref Engineering Analysis with Boundary Elements, vol. 183, article number 106605, year 2026

Censored Graphical Horseshoe: Bayesian sparse precision matrix estimation with censored and missing data

截断图形马蹄：具有截断和缺失数据的贝叶斯稀疏精度矩阵估计

The Tien Mai, Sayantan Banerjee

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出CGHS方法，用于处理截断和缺失数据的贝叶斯稀疏精度矩阵估计，通过引入潜在变量和自适应收缩先验，提高估计精度。

Efficient and Reliable Estimation of Named Entity Linking Quality: A Case Study on GutBrainIE

高效且可靠的命名实体链接质量估计：以GutBrainIE为例

Marco Martinelli, Stefano Marchesin, Gianmaria Silvello

机构 * Department of Information Engineering, University of Padua, Italy（信息工程系，帕多瓦大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种基于抽样的框架，通过减少专家注释成本，实现了对生物医学语料库中命名实体链接质量的高效且可靠的估计。

Comments Submitted to IRCDL 2026: 22nd Conference on Information and Research Science Connecting to Digital and Library Science, February 19-20 2026, Modena, Italy

Cognitive Sovereignty and the Neurosecurity Governance Gap: Evidence from Singapore

认知主权与神经安全治理鸿沟：来自新加坡的证据

Hailee Carter

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文探讨了认知主权与神经安全治理鸿沟，通过新加坡案例分析，提出认知主权框架以保护神经过程免受外部干扰。

Comments 18 pages, 0 figures

Sub-second A-scan Acquisition Using Marginal Spectral-Domain Quantum Optical Coherence Tomography

使用边缘频域量子光学共聚焦显微镜实现亚秒级A扫描获取

P. D. Yepiz-Graciano, D. Salamanca-Roldán, H. Cruz-Ramírez, A. B. U'Ren, R. Ramírez-Alarcón

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究通过边缘频域量子光学共聚焦显微镜实现了亚秒级A扫描获取，突破了传统机械扫描的限制，为生物医学成像提供了新的技术方案。

Comments In preparation for journal submission

BEAT-Net: Injecting Biomimetic Spatio-Temporal Priors for Interpretable ECG Classification

BEAT-Net：注入生物仿生时空先验以实现可解释的ECG分类

Runze Ma, Caizhi Liao

机构 * School of Information Technology（信息科技学院） ； Monash University Malaysia（墨尔本大学马来西亚分校） ； Faculty of Biomedical Engineering（生物医学工程学院） ； Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 BEAT-Net通过生物仿生时空先验实现ECG分类的可解释性与高效性

Comments 8 pages, 4 figures and 2 tables

Causal and Federated Multimodal Learning for Cardiovascular Risk Prediction under Heterogeneous Populations

因果与联邦多模态学习用于异质人群中的心血管风险预测

Rohit Kaushik, Eva Kaushik

机构 * Hanson Professional Services（Hanson专业服务） ； University of Tennessee, Knoxville（田纳西大学 Knoxville分校） ； Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 本文提出一种融合因果学习与联邦学习的多模态框架，用于在异质人群中预测心血管风险，通过整合多种生物医学数据并确保隐私和可解释性，提升预测的鲁棒性和公平性。

Comments 9 pages, 5 figures

Federated Continual Learning for Privacy-Preserving Hospital Imaging Classification

联邦持续学习用于隐私保护的医院影像分类

Anay Sinhal, Arpana Sinhal, Amit Sinhal

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

AI总结 本文提出DP-FedEPC方法，结合EWC、原型回放和差分隐私，解决医院影像分类中的隐私保护与持续学习问题。

SciIF: Benchmarking Scientific Instruction Following Towards Rigorous Scientific Intelligence

SciIF: 科学指令遵循基准测试以实现严谨的科学智能

Encheng Su, Jianyu Wu, Chen Tang, Lintao Wang, Pengze Li, Aoran Wang, Jinouwen Zhang, Yizhou Wang, Yuan Meng, Xinzhu Ma, Shixiang Tang, Houqiang Li

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Sydney（悉尼大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Beihang University（北航大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 SciIF是一个评估模型在科学问题解决中严格遵守约束条件能力的多学科基准测试，通过显式证据验证科学有效性，提升LLM在科学逻辑框架中的可靠性。