医学 AI

HyCARD-Net: A Synergistic Hybrid Intelligence Framework for Cardiovascular Disease Diagnosis

HyCARD-Net: 一种用于心血管疾病诊断的协同混合智能框架

Rajan Das Gupta, Xiaobin Wu, Xun Liu, Jiaqi He

机构 * Faculty of Information Science and Technology（信息科学与技术学院） ； American International University–Bangladesh（美国国际大学-孟加拉国） ； School of Automotive Engineering（汽车工程学院） ； Chengdu Industry and Trade College（成都行业贸易学院） ； Faculty of Education（教育学院） ； Shinawatra University（辛纳瓦特大学） ； Tilburg School of Social and Behavioral Sciences（蒂尔堡社会与行为科学学院） ； Tilburg University（蒂尔堡大学） 纠错

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

AI总结 HyCARD-Net通过结合深度学习与传统机器学习算法，提出一种混合智能框架，有效提升心血管疾病诊断的准确率和效率，支持联合国可持续发展目标3。

Comments Accepted and published in the 2025 4th International Conference on Image Processing, Computer Vision and Machine Learning (ICICML)

Domain-Expert-Guided Hybrid Mixture-of-Experts for Medical AI: Integrating Data-Driven Learning with Clinical Priors

领域专家引导的混合专家模型用于医疗AI：整合数据驱动学习与临床先验

Jinchen Gu, Nan Zhao, Lei Qiu, Lu Zhang

机构 * Department of Computer Science, Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校计算机科学系） 纠错

专题命中 诊断辅助 ：medical AI(title)；分类 cs.CV；biomedical(comments)

AI总结 本文提出DKGH-MoE模型，结合数据驱动学习与临床先验，提升医疗AI的性能和可解释性。

Comments 4 pages; 3 figures; accepted by International Symposium on Biomedical Imaging (ISBI) 2026

CardioForest: An Explainable Ensemble Learning Model for Automatic Wide QRS Complex Tachycardia Diagnosis from ECG

CardioForest: 一种用于从ECG信号自动检测宽QRS复波心动过速的可解释集成学习模型

Vaskar Chakma, Ju Xiaolin, Heling Cao, Xue Feng, Ji Xiaodong, Pan Haiyan, Gao Zhan

机构 * School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院） ； Nantong University（南通大学） ； College of Information Science and Engineering（信息科学与工程学院） ； Henan University of Technology（河南理工大学） ； Affiliated Hospital of Nantong University（南通大学附属医院） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG

AI总结 CardioForest通过集成学习和SHAP分析，实现了高准确率的宽QRS复波心动过速检测，具有良好的可解释性和临床应用价值。

Journal ref Journal of Intelligent Medicine and Healthcare 2026, 4, 37-86

Unified Cross-Modal Attention-Mixer Based Structural-Functional Connectomics Fusion for Neuropsychiatric Disorder Diagnosis

统一的跨模态注意力-混合器基于结构-功能连接组融合的神经精神疾病诊断

Badhan Mazumder, Lei Wu, Vince D. Calhoun, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University（跨机构神经影像与数据科学转化研究中心（TReNDS），佐治亚州立大学、佐治亚理工学院和埃默里大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)；分类 cs.CV

AI总结 本文提出ConneX方法，通过统一的跨模态注意力和MLP-Mixer实现结构-功能连接组的多模态融合，提升神经精神疾病诊断性能。

Comments Published in the Proceedings of the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2025). IEEE Xplore. DOI: 10.1109/EMBC58623.2025.11254194

SliceGX: Layer-wise GNN Explanation with Model-slicing

SliceGX: 图神经网络的分层解释方法

Tingting Zhu, Tingyang Chen, Yinghui Wu, Arijit Khan, Xiangyu Ke

机构 * Zhejiang University（浙江大学） ； Case Western Reserve University（凯斯西储大学） ； Bowling Green State University（布里奇沃特州立大学） 纠错

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

AI总结 SliceGX是一种通过分层分析生成图神经网络解释的方法，能够逐步构建并维护子图以解释模型输出。

Dynamic Meta-Ensemble Framework for Efficient and Accurate Deep Learning in Plant Leaf Disease Detection on Resource-Constrained Edge Devices

动态元集成框架用于在资源受限边缘设备上高效准确的植物叶片疾病检测深度学习

Weloday Fikadu Moges, Jianmei Su, Amin Waqas

机构 * South West University Science and Technology, School of Computer Science and Technology（西南科技大学计算机科学与技术学院） ； South West University Science and Technology, School of Control and Information Engineering Technology（西南科技大学控制与信息工程学院） 纠错

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

AI总结 本文提出动态元集成框架，通过自适应加权机制在资源受限边缘设备上实现高精度植物疾病检测，实验表明其在分类准确率和计算效率方面均优于现有方法。

RareAlert: Aligning heterogeneous large language model reasoning for early rare disease risk screening

RareAlert: 对齐异构大语言模型推理以实现早期罕见病风险筛查

Xi Chen, Hongru Zhou, Huahui Yi, Shiyu Feng, Hanyu Zhou, Tiancheng He, Mingke You, Li Wang, Qiankun Li, Kun Wang, Weili Fu, Kang Li, Jian Li

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 RareAlert通过整合多个LLM推理并校准后生成单一模型，实现早期罕见病风险筛查，其AUC达到0.917，优于现有方法。

Comments 28 page, 3 figures

A multimodal vision foundation model for generalizable knee pathology

一种用于通用膝部病理的多模态视觉基础模型

Kang Yu, Dingyu Wang, Zimu Yuan, Nan Zhou, Jiajun Liu, Jiaxin Liu, Shanggui Liu, Yaoyan Zheng, Huishu Yuan, Di Huang, Dong Jiang

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

AI总结 OrthoFoundation是一种多模态视觉基础模型，通过自监督学习在膝关节影像上实现高泛化能力，提升骨科影像诊断的准确性和效率。

Semi-Supervised Domain Adaptation with Latent Diffusion for Pathology Image Classification

半监督域适应与潜在扩散用于病理图像分类

Tengyue Zhang, Ruiwen Ding, Luoting Zhuang, Yuxiao Wu, Erika F. Rodriguez, William Hsu

机构 * Medical & Imaging Informatics, Department of Radiological Sciences, David Geffen School of Medicine, University of California, Los Angeles（医学与影像信息学系，放射科学系，大卫·盖弗医学院，加州大学洛杉矶分校） ； Bioengineering Department, Henry Samueli School of Engineering, UCLA（生物工程系，亨利·萨缪尔西工程学院，UCLA） ； Department of Pathology & Laboratory Sciences, David Geffen School of Medicine, UCLA（病理学与实验室科学系，大卫·盖弗医学院，UCLA） 纠错

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

AI总结 本研究提出利用潜在扩散模型生成目标领域意识的合成数据，提升计算病理学中的域泛化能力。

HAAF: Hierarchical Adaptation and Alignment of Foundation Models for Few-Shot Pathology Anomaly Detection

HAAF: 用于少样本病理异常检测的层次适应与对齐框架

Chunze Yang, Wenjie Zhao, Yue Tang, Junbo Lu, Jiusong Ge, Qidong Liu, Zeyu Gao, Chen Li

机构 * Sch Comp Sci \& Technol, Xi'an Jiaotong University Xi'an China ； University of Cambridge Cambridge United Kingdom ； Sch Comp Sci \& Technol, Xi'an Jiaotong University ； University of Cambridge 纠错

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

AI总结 HAAF通过层次适应与对齐框架，解决少样本病理异常检测中的粒度不匹配问题，提升模型在低资源场景下的性能。

LungCRCT: Causal Representation based Lung CT Processing for Lung Cancer Treatment

LungCRCT: 基于因果表示的肺癌处理用于肺癌治疗

Daeyoung Kim

专题命中 病理影像 ：CT(title)；分类 cs.CV

AI总结 LungCRCT通过基于因果表示的学习框架，提升肺癌治疗中的因果干预分析和肿瘤分类性能。

Whole Slide Concepts: A Supervised Foundation Model For Pathological Images

整张切片概念：一种用于病理图像的监督基础模型

Till Nicke, Daniela Schacherer, Jan Raphael Schäfer, Natalia Artysh, Antje Prasse, André Homeyer, Andrea Schenk, Henning Höfener, Johannes Lotz

机构 * Institute for Digital Medicine MEVIS（数字医学MEVIS研究所） ； Fraunhofer（弗劳恩霍夫） ； Institute for Toxicology and Experimental Medicine（毒理学与实验医学研究所） ； Institute for Diagnostic and Interventional Radiology（诊断与介入放射学研究所） ； Hannover Medical School（汉诺威医学院） 纠错

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监督学习的多任务基础模型，用于病理图像分析，整合癌症亚型分类、风险估计和基因突变预测，且在资源消耗上优于自监督方法。

Robust Computational Extraction of Non-Enhancing Hypercellular Tumor Regions from Clinical Imaging Data

鲁棒的非增强型超细胞肿瘤区域从临床影像数据中计算提取

A. Brawanski, Th. Schaffer, F. Raab, K. -M. Schebesch, M. Schrey, Chr. Doenitz, A. M. Tomé, E. W. Lang

机构 * Neurosurgery, University Hospital（神经外科，大学医院） ； CIML, Biophysics, University of Regensburg（CIML生物物理，雷根斯堡大学） ； IEETA, DETI, Universidade de Aveiro（IEETA，DETI，阿维罗大学） 纠错

专题命中 病理影像 ：MRI(abstract)；分类 cs.LG

AI总结 本文提出了一种鲁棒的计算框架，用于从临床影像数据中提取非增强型超细胞肿瘤区域，通过多种网络架构提高鲁棒性，并验证了其在临床中的应用价值。

V-Loop: Visual Logical Loop Verification for Hallucination Detection in Medical Visual Question Answering

V-Loop：用于医学视觉问答中幻觉检测的视觉逻辑循环验证

Mengyuan Jin, Zehui Liao, Yong Xia

机构 * Northwestern Polytechnical University（西北工业大学） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV

AI总结 V-Loop通过双向推理和视觉逻辑循环验证，提升医学视觉问答中幻觉检测的准确性和效率。

PaperSearchQA: Learning to Search and Reason over Scientific Papers with RLVR

PaperSearchQA: 基于强化学习与验证奖励的学习科学论文搜索与推理

James Burgess, Jan N. Hansen, Duo Peng, Yuhui Zhang, Alejandro Lozano, Min Woo Sun, Emma Lundberg, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） ； Chan Zuckerberg Biohub Network（查纳·泽克拜尔生物枢纽网络） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 PaperSearchQA通过训练搜索代理在科学论文中进行搜索与推理，提升技术问答能力，为未来的人工智能科学家系统奠定基础。

Comments EACL 2026

NeuroKoop: Neural Koopman Fusion of Structural-Functional Connectomes for Identifying Prenatal Drug Exposure in Adolescents

NeuroKoop：神经Koopman融合结构-功能连接组用于识别青少年孕期药物暴露

Badhan Mazumder, Aline Kotoski, Vince D. Calhoun, Dong Hye Ye

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； Neuroscience Institute, Georgia State University（神经科学研究所，佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（跨机构神经影像与数据科学转化研究中心（TReNDS）） ； Georgia State University, Georgia Institute of Technology, and Emory University（佐治亚州立大学、佐治亚理工学院和埃默里大学） 纠错

专题命中 生物医学文本 ：分类 cs.CV、q-bio、eess.IV；biomedical(comments)

AI总结 NeuroKoop通过神经Koopman算子融合结构-功能连接组，提升青少年孕期药物暴露识别的准确性和鲁棒性。

Comments Published in the Proceedings of the 2025 IEEE EMBS International Conference on Biomedical and Health Informatics (BHI). IEEE Xplore. DOI: 10.1109/BHI67747.2025.11269557

Latent Knowledge as a Predictor of Fact Acquisition in Fine-Tuned Large Language Models

潜在知识作为微调大语言模型事实获取的预测因子

Daniel B. Hier, Tayo Obafemi-Ajayi

机构 * Department of Neurology and Rehabilitation, University of Illinois at Chicago（神经学与康复医学系，伊利诺伊大学芝加哥分校） ； Engineering Program, Missouri State University（工程学院，密苏里州立大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究通过微调大语言模型，发现潜在知识是预测事实获取速度和泛化能力的关键因素，同时揭示了训练强化对事实退化的影响。

Polarization-independent deterministic mode localization in a photonic lantern

在光子天线中实现极化无关的确定性模式定位

Harikumar K Chandrasekharan, Ross Donaldson

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种全光纤、极化无关的相干模式重组方案，实现多模光子天线中高斯斑点的确定性定位，具有高效率和稳定性，适用于相干光束成形和空间定位应用。

Comments 24 pages and 8 figures (main draft), 13 pages and 12 pages (supplementary material)

Bidirectional causal inference for binary outcomes in the presence of unmeasured confounding

双向因果推断用于二元结果在存在未测量混杂因素的情况下

Yafang Deng, Kang Shuai, Shanshan Luo

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种结构方程建模方法，用于在存在未测量混杂因素的情况下推断二元结果的双向因果效应，并通过实际案例验证了其在生物医学研究中的应用价值。

Comments 21 pages, 8 figures

NExON-Bayes: A Bayesian approach to network estimation informed by ordinal covariates

NExON-Bayes：一种结合序数协变量的网络估计贝叶斯方法

Joseph Feest, Hélène Ruffieux, Camilla Lingjærde, Xiaoyue Xi

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 NExON-Bayes通过结合序数协变量的贝叶斯方法，改进高维组学数据中网络估计的准确性与可靠性。

Mind the Gap: Benchmarking LLM Uncertainty and Calibration with Specialty-Aware Clinical QA and Reasoning-Based Behavioural Features

注意差距：基于专业意识的临床QA和推理行为特征的LLM不确定性与校准基准测试

Alberto Testoni, Iacer Calixto

机构 * Department of Medical Informatics, Amsterdam University Medical Center, University of Amsterdam, Amsterdam, The Netherlands（医学信息学系，阿姆斯特丹大学医学中心，阿姆斯特丹大学，阿姆斯特丹，荷兰） ； Amsterdam Public Health, Methodology, Amsterdam, The Netherlands（阿姆斯特丹公共健康，方法学，阿姆斯特丹，荷兰） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文通过评估不同临床专科和问题类型的LLM不确定性校准，提出基于行为特征的新型轻量方法，强调选择互补模型的重要性。

Comments Accepted at EACL 2026 (Main Conference)

ctELM: Decoding and Manipulating Embeddings of Clinical Trials with Embedding Language Models

ctELM：利用嵌入语言模型解码和操控临床试验嵌入

Brian Ondov, Chia-Hsuan Chang, Yujia Zhou, Mauro Giuffrè, Hua Xu

机构 * Yale School of Medicine（耶鲁医学院） 纠错

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

AI总结 ctELM通过嵌入语言模型解码和操控临床试验嵌入，实现对未见过的临床试验描述和生成，提升生物医学领域语言模型与嵌入空间对齐的透明度和应用价值。

A Style-Based Profiling Framework for Quantifying the Synthetic-to-Real Gap in Autonomous Driving Datasets

基于风格的 profiling 框架用于量化自动驾驶数据集的合成到现实差距

Dingyi Yao, Xinyao Han, Ruibo Ming, Zhihang Song, Lihui Peng, Jianming Hu, Danya Yao, Yi Zhang

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

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

AI总结 本文提出基于风格的 profiling 框架，通过 SEDD 度量标准量化合成与现实数据集的差距，提升自动驾驶数据集的质量控制。

Comments Accepted for publication at the 2026 IEEE Intelligent Vehicles Symposium (IEEE IV 2026)

Journal ref 2026 IEEE Intelligent Vehicles Symposium (IEEE IV 2026)

Saliency-Bench: A Comprehensive Benchmark for Evaluating Visual Explanations

Saliency-Bench: 一个全面的评估视觉解释的基准测试

Yifei Zhang, James Song, Siyi Gu, Tianxu Jiang, Bo Pan, Guangji Bai, Liang Zhao

机构 * Emory University（埃默里大学） ； Stanford University（斯坦福大学） ； University of Michigan（密歇根大学） 纠错

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

AI总结 Saliency-Bench是一个全面的视觉解释评估基准测试，通过多个数据集和标准流程评估显著性方法的解释质量。

MorphXAI: An Explainable Framework for Morphological Analysis of Parasites in Blood Smear Images

MorphXAI: 一种用于血涂片图像中寄生虫形态分析的可解释框架

Aqsa Yousaf, Sint Sint Win, Megan Coffee, Habeeb Olufowobi

机构 * Department of Computer Science and Engineering, University of Texas at Arlington（德克萨斯大学阿灵顿分校计算机科学与工程系） ； Department of Medicine, Division of Infectious Diseases, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院医学系感染病科） 纠错

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

AI总结 MorphXAI通过整合形态学监督，实现了血涂片中寄生虫的检测与细粒度形态分析，提供结构化生物意义的解释。

Comments Accepted at WACV 2026

Journal ref Winter Conference on Applications of Computer Vision 2026

A Reinforcement Learning Approach to Synthetic Data Generation

一种强化学习方法用于合成数据生成

Natalia Espinosa-Dice, Nicholas J. Jackson, Chao Yan, Aaron Lee, Bradley A. Malin

机构 * Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； Department of Biomedical Informatics, Vanderbilt University Medical Center（范德比尔特大学医学中心生物医学信息学系） ； Department of Biostatistics, Vanderbilt University Medical Center（范德比尔特大学医学中心生物统计学系） ； Department of Computer Science, Vanderbilt University（范德比尔特大学计算机科学系） ； John F. Hardesty Department of Ophthalmology and Visual Sciences, Washington University（华盛顿大学约翰·F·哈里斯德眼科学与视觉科学系） 纠错

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

AI总结 本文提出RLSyn，一种基于强化学习的合成数据生成方法，在生物医学数据生成中表现出高效且高保真度的性能。

Empirical Analysis of Nature-Inspired Algorithms for Autism Spectrum Disorder Detection Using 3D Video Dataset

基于3D视频数据集的自适应算法在自闭症谱系障碍检测中的实证分析

Aneesh Panchal, Kainat Khan, Rahul Katarya

机构 * Aneesh Panchal ； Kainat Khan ； Rahul Katarya 纠错

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

AI总结 本文提出利用三维视频数据集和受自然启发的优化算法进行自闭症谱系障碍检测，通过随机森林与引力搜索算法组合实现100%分类准确率。

Bias-Aware Conformal Prediction for Metric-Based Imaging Pipelines

具有偏见意识的符合预测用于基于度量的成像流程

Matt Y. Cheung, Tucker J. Netherton, Laurence E. Court, Ashok Veeraraghavan, Guha Balakrishnan

专题命中 医学数据与评测 ：CT(abstract)；分类 cs.LG

AI总结 本文提出了一种具有偏见意识的符合预测方法，用于改进基于度量的成像流程，通过理论和实证分析证明不对称公式能有效减少偏见带来的预测区间偏差。

Comments 7 pages, 1 figure, accepted at ISBI 2026

CliniBench: A Clinical Outcome Prediction Benchmark for Generative and Encoder-Based Language Models

CliniBench: 一种用于生成式和编码器型语言模型的临床结果预测基准

Paul Grundmann, Dennis Fast, Jan Frick, Thomas Steffek, Felix Gers, Wolfgang Nejdl, Alexander Löser

机构 * DATEXIS, Berlin University of Applied Sciences, Berlin, Germany（德累斯顿应用技术大学DATEXIS机构，柏林，德国） ； Leibniz University Hannover（汉诺威莱布尼茨大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 CliniBench通过比较编码器型分类器和生成式LLMs在医疗诊断预测中的表现，揭示编码器型分类器的优越性及检索增强策略对生成式模型的提升作用。

Enhancing Volumetric Optical Chirality through 2D-3D Structural Design Evolution

通过2D-3D结构设计进化增强体积分子手性

Chia-Te Chang, Xiaoyan Zhou, Dmitrii Gromyko, John You En Chan, Lin Wu, Chia-Ming Yang, Sejeong Kim, Hongtao Wang, Joel K. W. Yang

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 通过2D-3D结构设计进化提升超手性场性能，实现CD信号增强与传感体积优化