医学 AI

Unified Multi-Site Multi-Sequence Brain MRI Harmonization Enriched by Biomedical Semantic Style

统一多站点多序列脑部MRI谐调增强生物医学语义风格

Mengqi Wu, Yongheng Sun, Qianqian Wang, Pew-Thian Yap, Mingxia Liu

机构 * Department of Radiology and Biomedical Research Imaging Center (BRIC), University of North Carolina at Chapel Hill（放射科与生物医学研究成像中心（BRIC）、北卡罗来纳大学教堂山分校） ； Lampe Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill and North Carolina State University（Lampe联合生物医学工程部门、北卡罗来纳大学教堂山分校和北卡罗来纳州立大学） 纠错

专题命中 医学影像 ：MRI(title,abstract)；biomedical(title,abstract)；分类 cs.CV

AI总结 MMH通过生物医学语义先验实现多站点多序列脑部MRI谐调，有效分离风格与解剖结构，提升图像一致性与下游任务性能。

Comments 15 pages, 10 figures. Extended version of a paper published at MICCAI 2025 (DOI: 10.1007/978-3-032-04947-6_65)

PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion

PathoSyn: 通过解耦偏差扩散实现影像-病理MRI合成

Jian Wang, Sixing Rong, Jiarui Xing, Yuling Xu, Weide Liu

机构 * Department of Radiology, Boston Children’s Hospital, Harvard Medical School（放射科，波士顿儿童医院，哈佛医学院） ； College of Science, Northeastern University（科学学院，东北大学） ； School of Medicine, Yale University（医学院，耶鲁大学） ； Department of Cardiac Surgery, The Second Affiliated Hospital of Jiangxi Medical College, Nanchang University（心脏外科科，江西医学院第二附属医院，南昌大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

专题命中 医学影像 ：MRI(title,abstract)；pathology(title,abstract)；分类 cs.CV

AI总结 PathoSyn通过解耦偏差扩散模型生成高保真MRI合成数据，提升低数据环境下诊断算法的鲁棒性。

Exploiting DINOv3-Based Self-Supervised Features for Robust Few-Shot Medical Image Segmentation

利用基于DINOv3的自监督特征进行鲁棒的小样本医学图像分割

Guoping Xu, Jayaram K. Udupa, Weiguo Lu, You Zhang

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；CT(abstract)；diagnosis(abstract)

AI总结 本文提出DINO-AugSeg框架，利用DINOv3特征结合小波域增强和上下文融合，提升小样本医学图像分割的鲁棒性。

Comments 36 pages, 11 figures

Interpretability and Individuality in Knee MRI: Patient-Specific Radiomic Fingerprint with Reconstructed Healthy Personas

膝关节MRI的可解释性与个体性：基于重建健康人格的患者特定放射组学指纹

Yaxi Chen, Simin Ni, Shuai Li, Shaheer U. Saeed, Aleksandra Ivanova, Rikin Hargunani, Jie Huang, Chaozong Liu, Yipeng Hu

机构 * organization= Department of Mechanical Engineering, University College London , city= London , country= UK ； organization= Hawkes Institute, University College London , city= London , country= UK ； organization= Institute of Orthopaedic \& Musculoskeletal Science, University College London, Royal National Orthopaedic Hospital , city= Stanmore , country= UK ； organization= Royal National Orthopaedic Hospital , city= Stanmore , country= UK ； organization= School of Engineering ； Materials Science, Queen Mary University of London , city= London , country= UK ； organization= Centre for Bioengineering, Queen Mary University of London , city= London , country= UK ； organization= Department of Medical Physics ； Biomedical Engineering, University College London , city= London , country= UK 纠错

专题命中 医学影像 ：MRI(title,abstract)；pathology(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出放射组学指纹和健康人格两种方法，用于提升膝关节MRI分析的可解释性和个体性，通过动态特征选择和病理对比实现患者特异性解释。

A Pre-trained Foundation Model Framework for Multiplanar MRI Classification of Extramural Vascular Invasion and Mesorectal Fascia Invasion in Rectal Cancer

一种用于直肠癌外侵血管侵袭和腹膜脂肪囊侵袭的多平面MRI分类的预训练基础模型框架

Yumeng Zhang, Shruti Atul Mali, Danial Khan, Sina Amirrajab, Eduardo Ibor-Crespo, Ana Jimenez-Pastor, Gloria Ribas, Silvia Flor-Arnal, Marta Zerunian, Christophe Aube, Luis Marti-Bonmati, Zohaib Salahuddin, Philippe Lambin

专题命中 医学影像 ：MRI(title,abstract)；biomedical(abstract)；分类 cs.CV、eess.IV

AI总结 本研究提出一种基于预训练基础模型的框架，通过频域谐振和多平面融合技术，实现了对直肠癌外侵血管侵袭和腹膜脂肪囊侵袭的自动MRI分类，展示了跨机构的高泛化性能。

Comments 27 pages, 9 figures

ISLA: A U-Net for MRI-based acute ischemic stroke lesion segmentation with deep supervision, attention, domain adaptation, and ensemble learning

ISLA：一种用于基于MRI的急性缺血性中风病变分割的U-Net模型，结合深度监督、注意力、领域适应和集成学习

Vincent Roca, Martin Bretzner, Hilde Henon, Laurent Puy, Grégory Kuchcinski, Renaud Lopes

机构 * Univ. Lille, CNRS, Inserm, CHU Lille, Institut Pasteur de Lille, US 41 - UAR 2014 - PLBS, F-59000 Lille, France（里尔大学，法国国家科学研究中心，法国国家医学研究院，里尔大学医院，里尔巴斯德研究所，US 41 - UAR 2014 - PLBS，法国里尔） 纠错

专题命中 医学影像 ：MRI(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 ISLA是一种基于U-Net的深度学习模型，通过深度监督、注意力、领域适应和集成学习技术，实现了对MRI中急性缺血性中风病变的高效分割。

ReCo-KD: Region- and Context-Aware Knowledge Distillation for Efficient 3D Medical Image Segmentation

ReCo-KD：区域和上下文感知的知识蒸馏用于高效的3D医学图像分割

Qizhen Lan, Yu-Chun Hsu, Nida Saddaf Khan, Xiaoqian Jiang

机构 * McWilliams School of Biomedical Informatics, The University of Texas Health Science Center at Houston (UTHealth Houston)（麦威廉生物医学信息学学院，德克萨斯大学健康科学中心休斯顿分校（UTHealth休斯顿）） 纠错

专题命中 医学影像 ：medical image(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 ReCo-KD通过区域和上下文感知的知识蒸馏方法，在不需自定义学生设计的情况下，实现高效3D医学图像分割的轻量化模型，提升临床应用的实用性。

Comments 10 pages

PINGS-X: Physics-Informed Normalized Gaussian Splatting with Axes Alignment for Efficient Super-Resolution of 4D Flow MRI

PINGS-X: 基于轴对齐的物理信息归一化高斯点云的4D流体MRI超分辨率方法

Sun Jo, Seok Young Hong, JinHyun Kim, Seungmin Kang, Ahjin Choi, Don-Gwan An, Simon Song, Je Hyeong Hong

专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV、cs.LG

AI总结 PINGS-X通过轴对齐高斯点云和归一化方法提升4D流体MRI超分辨率效率与精度。

Comments Accepted at AAAI 2026. Supplementary material included after references. 27 pages, 21 figures, 11 tables

Imaging-anchored Multiomics in Cardiovascular Disease: Integrating Cardiac Imaging, Bulk, Single-cell, and Spatial Transcriptomics

心血管疾病中的成像锚定多组学：整合心脏成像、批量、单细胞和空间转录组学

Minh H. N. Le, Tuan Vinh, Thanh-Huy Nguyen, Tao Li, Bao Quang Gia Le, Han H. Huynh, Monika Raj, Carl Yang, Min Xu, Nguyen Quoc Khanh Le

机构 * International Ph.D. Program in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan ； AIBioMed Research Group, Taipei Medical University, Taipei, Taiwan ； Medical Sciences Division, University of Oxford, Oxford, United Kingdom ； Computational Biology Department, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA ； Department of Computer Science, Emory University, Atlanta, GA, USA ； Department of Chemistry, Emory University, Atlanta, GA, USA ； International Master Program for Translational Science, College of Medical Science ； Technology, Taipei Medical University, Taipei 110, Taiwan ； In-Service Master Program in Artificial Intelligence in Medicine, College of Medicine, Taipei Medical University, Taipei, Taiwan ； Translational Imaging Research Center, Taipei Medical University Hospital, Taipei, Taiwan 纠错

专题命中 医学影像 ：MRI(abstract)；CT(abstract)；分类 cs.CV、cs.LG、q-bio

AI总结 本文提出通过整合心脏成像与多组学数据，推动心血管疾病研究的多模态融合方法，提升疾病诊断和治疗的精准性。

Supervised Spike Agreement Dependent Plasticity for Fast Local Learning in Spiking Neural Networks

监督性尖峰一致性依赖可塑性用于spiking神经网络中的快速局部学习

Gouri Lakshmi S, Athira Chandrasekharan, Harshit Kumar, Muhammed Sahad E, Bikas C Das, Saptarshi Bej

机构 * School of Data Science, IISER Thiruvananthapuram, India（数据科学学院，泰米尔纳德邦印度理工学院） ； School of Physics, IISER Thiruvananthapuram, India（物理学院，泰米尔纳德邦印度理工学院） 纠错

专题命中 医学影像 ：medical image(abstract)；biomedical(abstract)；分类 cs.LG

AI总结 本文提出监督性尖峰一致性依赖可塑性，用于提升spiking神经网络的快速局部学习能力，通过群体一致性度量替代成对比较，实现高效监督学习。

Region of interest detection for efficient aortic segmentation

感兴趣区域检测用于高效的主动脉分割

Loris Giordano, Ine Dirks, Tom Lenaerts, Jef Vandemeulebroucke

机构 * Vrije Universiteit Brussel (VUB)（自由大学布鲁塞尔（VUB）） ； Department of Electronics and Informatics (ETRO)（电子与信息学院（ETRO）） ； Interuniversity Institute of Bioinformatics in Brussels（布鲁塞尔大学间生物信息研究所） ； imec ； Université Libre de Bruxelles (ULB)（自由大学布鲁塞尔（ULB）） ； Machine Learning Group（机器学习组） ； Universitair Ziekenhuis Brussel (UZ Brussel)（布鲁塞尔大学医院（UZ Brussel）） ； Department of Radiology（放射科） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出了一种基于目标区域检测的高效主动脉分割方法，通过多任务模型实现高精度分割，减少计算成本，适用于临床应用。

Journal ref Medical Imaging 2025: Image Processing (Vol. 13406, pp. 390-400). SPIE

Disentangling History and Propagation Dependencies in Cross-Subject Knee Contact Stress Prediction Using a Shared MeshGraphNet Backbone

解构跨受体膝关节接触应力预测中的历史与传播依赖性使用共享MeshGraphNet主干

Zhengye Pan, Jianwei Zuo, Jiajia Luo

专题命中 医学影像 ：CT(abstract)；分类 cs.LG、q-bio

AI总结 本文提出了一种共享MeshGraphNet主干模型，通过分离时间历史依赖性和空间传播依赖性，提升了跨受体膝关节接触应力预测的准确性与可靠性。

Likelihood ratio for a binary Bayesian classifier under a noise-exclusion model

二元贝叶斯分类器在噪声排除模型下的似然比

Howard C. Gifford

机构 * University of Houston（休斯顿大学） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 本文提出了一种新的统计理想观察者模型，用于二元贝叶斯分类器在噪声排除模型下的似然比计算，应用于医学图像感知、计算机视觉和目标检测等领域。

Comments 18 pages, 4 figures

Revisiting the structure of galactic disks with deep imaging

重新审视银河盘结构的深层成像

Samane Raji, Ignacio Trujillo, Fernando Buitrago, Giulia Golini, Ignacio Ruiz Cejudo

专题命中 医学影像 ：CT(abstract)

AI总结 本文利用深层成像数据重新评估盘状星系的表面亮度类型，发现不同类型的星系在表面亮度和质量密度上有显著差异，且III-d类型星系可能较晚形成。

Comments 18 pages, 4 figures, accepted for publication in A&A. Comments welcome!

Journal ref A&A 704, A335 (2025)

GPU Accelerated Compact-Table Propagation

GPU加速的紧凑表传播

Enrico Santi, Fabio Tardivo, Agostino Dovier, Andrea Formisano

机构 * University of Udine DMIF（乌迪大学DMIF） ； New Mexico State University（新墨西哥州立大学） 纠错

专题命中 医学影像 ：CT(abstract)

AI总结 本文提出利用GPU加速CT算法，以高效处理大规模表约束问题。

Comments Under consideration in Theory and Practice of Logic Programming (TPLP)

Journal ref Theory and Practice of Logic Programming 25 (2025) 756-774

Shape modes and jet formation on ultrasound-driven wall-attached bubbles

超声驱动壁附气泡的形态模式与喷射形成

Marco Cattaneo, Louan Presse, Gazendra Shakya, Thomas Renggli, Bratislav Lukić, Anunay Prasanna, Daniel W. Meyer, Alexander Rack, Outi Supponen

专题命中 医学影像 ：biomedical(abstract)

AI总结 研究超声驱动壁附气泡的形态模式与喷射形成机制，揭示其动态演化与喷射特征。

Comments Published in Journal of Fluid Mechanics

Journal ref J. Fluid Mech. 1017 (2025) A9

Incentivizing Cardiologist-Like Reasoning in MLLMs for Interpretable Echocardiographic Diagnosis

激励MLLMs实现类似心内科医生的推理以实现可解释的超声心动图诊断

Yi Qin, Lehan Wang, Chenxu Zhao, Alex P. W. Lee, Xiaomeng Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 本文提出CRT和CardiacMind，通过引入心内科医生的思维模式，提升MLLMs在超声心动图诊断中的推理能力，实现48%的诊断性能提升。

Temporal-Enhanced Interpretable Multi-Modal Prognosis and Risk Stratification Framework for Diabetic Retinopathy (TIMM-ProRS)

时间增强的可解释多模态预后和风险分层框架用于糖尿病视网膜病变（TIMM-ProRS）

Susmita Kar, A S M Ahsanul Sarkar Akib, Abdul Hasib, Samin Yaser, Anas Bin Azim

机构 * Department of Robotics, Robo Tech Valley, Dhaka, Bangladesh（机器人系，罗布科技谷，达卡，孟加拉国） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 TIMM-ProRS通过融合视网膜图像和时间生物标志物，实现糖尿病视网膜病变的多模态和时间动态分析，达到97.8%的准确率，优于现有方法。

Engineering Spatial and Molecular Features from Cellular Niches to Inform Predictions of Inflammatory Bowel Disease

从细胞微环境工程化空间和分子特征以指导炎症性肠病的预测

Myles Joshua Toledo Tan, Maria Kapetanaki, Panayiotis V. Benos

机构 * Department of Electrical and Computer Engineering, Herbert Wertheim College of Engineering, University of Florida（电气与计算机工程系，赫伯特·韦斯剧院工程学院，佛罗里达大学） ； Department of Epidemiology, College of Public Health and Health Professions and College of Medicine, University of Florida（流行病学系，公共卫生与健康专业学院及医学院，佛罗里达大学） ； Department of Pharmacotherapy and Translational Research, College of Pharmacy, University of Florida（药理学与转化研究系，药学院，佛罗里达大学） 纠错

专题命中 诊断辅助 ：pathology(abstract)；分类 cs.LG、q-bio

AI总结 本研究通过空间转录组学构建可解释的机器学习模型，利用细胞微环境特征区分IBD亚型，提升炎症性肠病的诊断准确性与生物机制理解。

Comments 20 pages, 8 figures, 7 tables. Presented at the 37th Benelux Conference on Artificial Intelligence / 34th Belgian Dutch Conference on Machine Learning, Namur, Belgium, November 19 - 21, 2025

LWMSCNN-SE: A Lightweight Multi-Scale Network for Efficient Maize Disease Classification on Edge Devices

LWMSCNN-SE：一种轻量级多尺度网络，用于边缘设备上高效玉米疾病分类

Fikadu Weloday, Jianmei Su

机构 * st Fikadu Weloday（第一作者） ； nd Jianmei Su（第二作者） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 LWMSCNN-SE通过轻量级多尺度网络和SE注意力机制，在边缘设备上实现高效玉米疾病分类，兼顾高精度与低计算成本。

Towards Specialized Generalists: A Multi-Task MoE-LoRA Framework for Domain-Specific LLM Adaptation

迈向专业化的通用者：一种多任务MoE-LoRA框架用于领域特定LLM适应

Yuxin Yang, Aoxiong Zeng, Xiangquan Yang

机构 * Shanghai University（上海大学） ； East China Normal University（东华大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出Med-MoE-LoRA框架，通过结合MoE与LoRA实现高效多任务领域适应，尤其适用于医学场景，有效解决领域知识获取与通用能力保留的难题。

Comments Work in Progress

Bi-cephalic self-attended model to classify Parkinson's disease patients with freezing of gait

双头自注意力模型用于分类帕金森病患者冻结步态

Shomoita Jahid Mitin, Rodrigue Rizk, Maximilian Scherer, Thomas Koeglsperger, Daniel Lench, KC Santosh, Arun Singh

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本研究提出双头自注意力模型，通过结合EEG信号与描述性特征，实现对帕金森病患者冻结步态的高效分类。

Comments 39 pages, 9254 words, 4 figures, 4 tables, European Journal of Neuroscience: Special edition FOG

Complexity of Faceted Explanations in Propositional Abduction

命题反向推理中分面解释的复杂性

Johannes Schmidt, Mohamed Maizia, Victor Lagerkvist, Johannes K. Fichte

机构 * Jönköping University（约克ping大学） ； Jönköping University, Linköping University（约克ping大学、林克比大学） ； Linköping University（林克比大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文研究了命题反向推理中分面解释的复杂性，提出通过分面分析来更细致地理解解释的异质性，并在Post框架中实现了几乎完全的刻画。

Comments This is the author's self-archived copy including detailed proofs. To appear in Theory and Practice of Logic Programming (TPLP), Proceedings of the 41st International Conference on Logic Programming (ICLP 2025)

Journal ref Theory and Practice of Logic Programming 25 (2025) 775-793

Joint Progression Modeling (JPM): A Probabilistic Framework for Mixed-Pathology Progression

联合进展建模（JPM）：一种用于混合病理进展的概率框架

Hongtao Hao, Joseph L. Austerweil

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Chiba Institute of Technology（千叶技术大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 JPM通过概率框架处理混合病理进展，提升排序准确性21%，并与文献结果一致。

Comments 49 pages; Machine Learning for Health (ML4H) Symposium 2025

Generating crossmodal gene expression from cancer histopathology improves multimodal AI predictions

从癌症组织病理学生成跨模态基因表达以提高多模态AI预测

Samiran Dey, Christopher R. S. Banerji, Partha Basuchowdhuri, Sanjoy K. Saha, Deepak Parashar, Tapabrata Chakraborti

机构 * School of Mathematical & Computational Sciences, Indian Association for the Cultivation of Science（数学与计算科学学院，印度科学培养协会） ； The Alan Turing Institute（艾伦·图灵研究所） ； Comprehensive Cancer Center, King’s College London（国王学院综合癌症中心） ； Department of Computer Science and Engineering, Jadavpur University（计算机科学与工程系，贾瓦德pur大学） ； MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位） ； Department of Biostatistics, Bioinformatics and Biomathematics, Georgetown University（生物统计学、生物信息学与生物数学系，杰斐逊大学） ； UCL Cancer Institute, Dept of Medical Physics & Biomedical Engineering, University College London（伦敦大学学院癌症研究所，医学物理与生物医学工程系） 纠错

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

AI总结 PathGen通过生成跨模态基因表达提升癌症分级和生存风险预测的多模态AI性能

Developing Predictive and Robust Radiomics Models for Chemotherapy Response in High-Grade Serous Ovarian Carcinoma

开发用于高恶性卵巢癌化疗反应的预测和鲁棒放射组学模型

Sepideh Hatamikia, Geevarghese George, Florian Schwarzhans, Amirreza Mahbod, Marika AV Reinius, Ali Abbasian Ardakani, Mercedes Jimenez-Linan, Satish Viswanath, Mireia Crispin-Ortuzar, Lorena Escudero Sanchez, Evis Sala, James D Brenton, Ramona Woitek

专题命中 病理影像 ：CT(abstract)；分类 cs.CV

AI总结 本研究通过整合不同特征选择方法，开发预测高恶性卵巢癌化疗反应的放射组学模型，提升预测准确性与鲁棒性。

Comments 22pages, 5 figures, 5 tables

Tissue Classification and Whole-Slide Images Analysis via Modeling of the Tumor Microenvironment and Biological Pathways

通过建模肿瘤微环境和生物通路进行组织分类和全片图像分析

Junzhuo Liu, Xuemei Du, Daniel Reisenbuchler, Ye Chen, Markus Eckstein, Christian Matek, Friedrich Feuerhake, Dorit Merhof

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

AI总结 BioMorphNet通过整合肿瘤微环境和生物通路信息，提升全片图像中组织分类和差异基因分析的准确性。

Comments 19 pages, 8 figures. This work has been submitted to the IEEE for possible publication

Rescind: Countering Image Misconduct in Biomedical Publications with Vision-Language and State-Space Modeling

Rescind: 通过视觉-语言和状态空间建模对抗生物医学出版物中的图像不当行为

Soumyaroop Nandi, Prem Natarajan

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

AI总结 Rescind通过视觉-语言和状态空间建模方法，提出首个生物医学图像伪造生成与检测框架，实现高精度伪造定位与验证。

An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease

可解释的生成多模态神经影像-基因组框架用于解码阿尔茨海默病

Giorgio Dolci, Federica Cruciani, Md Abdur Rahaman, Anees Abrol, Jiayu Chen, Zening Fu, Ilaria Boscolo Galazzo, Gloria Menegaz, Vince D. Calhoun

机构 * Department of Computer Science, University of Verona（威尼斯大学计算机科学系） ； Department of Engineering for Innovation Medicine, University of Verona（威尼斯大学创新医学工程系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, Emory University（神经影像与数据科学转化研究三机构中心（TReNDS），佐治亚州立大学，佐治亚理工学院，埃默里大学） 纠错

专题命中 医疗多模态 ：MRI(abstract)；分类 q-bio、eess.IV

AI总结 本文提出了一种可解释的生成多模态神经影像-基因组框架，用于解码阿尔茨海默病，通过多模态数据和单核苷酸多态性实现AD检测和MCI预测，并揭示了与疾病相关的生物学机制。

Comments 33 pages, 8 figures (main text + supplementary materials), submitted to a journal

Journal ref J. Neural Eng. 22 056021 (2025)

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