医学 AI

Towards Visually Explaining Statistical Tests with Applications in Biomedical Imaging

向视觉解释统计检验方法：在生物医学成像中的应用

Masoumeh Javanbakhat, Piotr Komorowski, Dilyara Bareeva, Wei-Chang Lai, Wojciech Samek, Christoph Lippert

机构 * Digital Health-Machine Learning group, Hasso-Plattner Institute（数字健康-机器学习组，哈索-普拉特纳研究所） ； Department of Artificial Intelligence, Fraunhofer Heinrich Hertz Institute（人工智能系，弗劳恩霍夫海因里希·赫兹研究所） 纠错

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

AI总结 本文提出了一种可解释的深度统计检验框架，通过样本级和特征级解释揭示组间差异驱动因素，应用于生物医学成像中实现可解释的无标签群体分析。

Rewarding Explainability in Drug Repurposing with Knowledge Graphs

利用知识图谱提升药物再利用中的可解释性

Susana Nunes, Samy Badreddine, Catia Pesquita

机构 * LASIGE, Faculty of Sciences, University of Lisbon（里斯本大学科学学院LASIGE） ； Sony AI（索尼人工智能） ； University of Trento（特伦托大学） ； Bruno Kessler Institute（布鲁诺·凯塞林研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出REx方法，利用知识图谱链接预测生成科学解释，通过奖励机制和领域本体学提升药物再利用的预测性能和解释质量。

Comments 9 pages, 4 figures, accepted at conference IJCAI 2025

Journal ref Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI-25), pp. 4624-4632, 2025

Tunable extraordinary optical transmission for integrated photonics

可调异常光学传输用于集成光子学

Hira Asif, Ramazan Sahin

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文综述了通过主动量子等离子体控制实现可调异常光学传输，为集成光子学提供了一种芯片级电光可编程元件。

Comments 41 pages, 16 figures

Journal ref 2025