医学 AI

LISTA-Transformer Model Based on Sparse Coding and Attention Mechanism and Its Application in Fault Diagnosis

基于稀疏编码和注意力机制的LISTA-Transformer模型及其在故障诊断中的应用

Shuang Liu, Lina Zhao, Tian Wang, Huaqing Wang

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

AI总结 本文提出基于LISTA和Transformer的稀疏编码模型，通过时频转换提升故障诊断性能，在CWRU数据集上达到98.5%的识别率。

Comments 14 pages, 14 figures, conference paper

MIND: Unified Inquiry and Diagnosis RL with Criteria Grounded Clinical Supports for Psychiatric Consultation

MIND: 一种基于临床标准的统一探究与诊断强化学习框架用于精神病咨询

Guoyi Li, Shihao Xu, Jiatong Ma, Yunyun Han, Jianhua Chen, Yafeng Deng

机构 * EverMind AI Inc.（EverMind AI公司） ； EverMind AI Inc., Tianqiao and Chrissy Chen Institute（EverMind AI公司、田桥与克里斯西·陈研究所） ； Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海精神卫生中心、上海交通大学医学院） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 MIND通过基于临床标准的推理框架提升精神病咨询的诊断准确性和互动质量。

Leveraging Imperfection with MEDLEY A Multi-Model Approach Harnessing Bias in Medical AI

利用不完美性：MEDLEY：一种多模型方法，利用医学AI中的偏差

Farhad Abtahi, Mehdi Astaraki, Fernando Seoane

专题命中 诊断辅助 ：medical AI(title,abstract)

AI总结 MEDLEY提出了一种多模型框架，通过保留模型多样性而非压缩共识，利用医学AI中的偏差提升诊断准确性与透明度。

Journal ref Front. Artif. Intell., Volume 9 (2026)

Weakly Supervised Concept Learning with Class-Level Priors for Interpretable Medical Diagnosis

弱监督概念学习：基于类级先验的可解释医疗诊断

Md Nahiduzzaman, Steven Korevaar, Alireza Bab-Hadiashar, Ruwan Tennakoon

机构 * School of Computing Technologies（计算技术学院） ； RMIT University（皇家墨尔本理工大学） ； School of Engineering（工程学院） 纠错

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

AI总结 本文提出了一种弱监督框架PCP，通过类级先验和正则化机制提升医疗诊断中的概念预测性能，实现比零样本基线更高的F1分数和与全监督模型相当的分类效果。

Comments Accepted to IEEE International Symposium on Biomedical Imaging (ISBI) 2026

RAG-X: Systematic Diagnosis of Retrieval-Augmented Generation for Medical Question Answering

RAG-X: 用于医疗问答的检索增强生成系统系统性诊断

Aswini Sivakumar, Vijayan Sugumaran, Yao Qiang

机构 * Oakland University（奥克兰大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 RAG-X通过系统性诊断框架，评估检索和生成过程，揭示问答系统中的隐藏失败模式，提升医疗问答的准确性和可靠性。

Comments 7 pages, 1 figure

DCENWCNet: A Deep CNN Ensemble Network for White Blood Cell Classification with LIME-Based Explainability

DCENWCNet: 一种用于白血细胞分类的深度CNN集成网络及其基于LIME的可解释性

Sibasish Dhibar

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

AI总结 DCENWCNet通过集成三种不同配置的CNN架构，结合LIME可解释性技术，提升了白血细胞分类的准确性和可解释性。

Weakly Supervised Patch Annotation for Improved Screening of Diabetic Retinopathy

弱监督补丁标注以提高糖尿病视网膜病变的筛查

Shramana Dey, Abhirup Banerjee, B. Uma Shankar, Ramachandran Rajalakshmi, Sushmita Mitra

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

AI总结 SAFE通过弱监督和对比学习方法，系统扩展病理学中的稀疏标注，提升糖尿病视网膜病变筛查的准确性与性能。

Characterization of Phase Transitions in a Lipkin-Meshkov-Glick Quantum Brain Model

脂质体-梅斯科夫-格里克量子脑模型中相变特征的分析

Elvira Romera, Joaquín J. Torres

专题命中 诊断辅助 ：diagnosis(abstract)；分类 q-bio

AI总结 该研究分析了受生物启发的量子脑模型中突触反馈对相变结构的影响，揭示了反馈机制如何改变临界边界并重塑集体临界性。

Comments 20 pages, 9 figures

When AI Fails, What Works? A Data-Driven Taxonomy of Real-World AI Risk Mitigation Strategies

当AI失效时，什么有效？基于数据的现实世界AI风险缓解策略分类

Evgenija Popchanovska, Ana Gjorgjevikj, Maryan Rizinski, Lubomir Chitkushev, Irena Vodenska, Dimitar Trajanov

机构 * Faculty of Computer Science and Engineering（计算机科学与工程系） ； Ss. Cyril and Methodius University（西里尔和方法ius大学） ； Department of Computer Science（计算机科学系） ； Metropolitan College（Metropolitan学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文基于数据提出现实世界AI风险缓解策略的分类体系，通过分析9705篇媒体报道的AI事件，提取并分类了6893篇文本中的缓解措施，引入四个新类别，提升分类体系的适用性与实用性。

From Feedback to Failure: Automated Android Performance Issue Reproduction

从反馈到失败：自动化Android性能问题重现

Zhengquan Li, Zhenhao Li, Zishuo Ding

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 RevPerf通过整合应用评论信息，自动化重现移动应用性能问题，实现72.73%的成功率。

Comments 22page, 8 figures