医学 AI

Multimodal Laryngoscopic Video Analysis for Assisted Diagnosis of Vocal Fold Paralysis

多模态喉镜视频分析用于辅助声带麻痹诊断

Yucong Zhang, Xin Zou, Jinshan Yang, Wenjun Chen, Juan Liu, Faya Liang, Ming Li

机构 * School of Computer Science（计算机科学学院） ； Suzhou Municipal Key Laboratory of Multimodal Intelligent Systems（多模态智能系统苏州市重点实验室） ； Sun Yat-sen Memorial Hospital of Sun Yat-sen University（中山大学孙逸仙纪念医院） ； School of Artificial Intelligent（人工智能学院） ； Department of Otorhinolaryngology（耳鼻喉科部门） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出多模态喉镜视频分析系统，结合音频和视频数据自动提取关键片段，用于辅助诊断声带麻痹。

Comments Accepted by Computer Speech and Language

An explainable hybrid deep learning-enabled intelligent fault detection and diagnosis approach for automotive software systems validation

一种可解释的混合深度学习智能故障检测与诊断方法用于汽车软件系统验证

Mohammad Abboush, Ehab Ghannoum, Andreas Rausch

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本文提出了一种可解释的混合深度学习方法，用于汽车软件系统验证中的故障检测与诊断，通过可解释AI技术提升模型适应性和根本原因分析能力。

Comments 20 pages

Journal ref Knowledge-Based Systems Volume 334, 15 February 2026, 114922

Evaluating Multi-Agent LLM Architectures for Rare Disease Diagnosis

评估多智能体LLM架构在罕见病诊断中的表现

Ahmed Almasoud

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本研究评估了多智能体LLM架构在罕见病诊断中的表现，发现分层结构略优于其他拓扑，而对抗模型性能显著下降，支持动态拓扑选择的重要性。

Transforming H&E images into IHC: A Variance-Penalized GAN for Precision Oncology

将H&E图像转化为IHC：一种变异性惩罚的GAN用于精准肿瘤学

Sara Rehmat, Hafeez Ur Rehman, Byeong-Gwon Kang, Sarra Ayouni, Yunyoung Nam

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

AI总结 本研究提出一种变异性惩罚的GAN模型，用于将H&E图像转化为高保真的IHC图像，以提升HER2阳性乳腺癌的诊断效率和精度。

Adversarial Domain Adaptation Enables Knowledge Transfer Across Heterogeneous RNA-Seq Datasets

对抗域适应促进跨异构RNA-seq数据集的知识转移

Kevin Dradjat, Massinissa Hamidi, Blaise Hanczar

机构 * IBISC Laboratory（IBISC实验室） ； University Paris-Saclay (Univ. Evry)（巴黎萨克雷大学（欧韦尔大学）） ； France（法国） 纠错

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

AI总结 本研究提出基于深度学习的域适应框架，通过跨异构RNA-seq数据集实现有效知识转移，提升癌症类型分类的准确性，尤其在低数据场景下表现更优。

Comments 7 pages, 5 figures. Submitted to ECCB 2026

Vision Transformers that Never Stop Learning

永不停止学习的视觉变换器

Caihao Sun, Mingqi Yuan, Shiyuan Wang, Jiayu Chen

机构 * University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Technische Universität Dresden（德累斯顿理工大学） ； INFIFORCE 纠错

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

AI总结 本文提出ARROW优化器，通过自适应调整梯度方向，有效提升视觉变换器的持续学习能力。

DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising

DECADE：一种用于增强Rb-82动态心脏PET图像去噪的时序一致无监督扩散模型

Yinchi Zhou, Liang Guo, Huidong Xie, Yuexi Du, Ashley Wang, Menghua Xia, Tian Yu, Ramesh Fazzone-Chettiar, Christopher Weyman, Bruce Spottiswoode, Vladimir Panin, Kuangyu Shi, Edward J. Miller, Attila Feher, Albert J. Sinusas, Nicha C. Dvornek, Chi Liu

机构 * Yale University（耶鲁大学） ； Yale School of Medicine（耶鲁医学院） ； Siemens Medical Solutions USA, Inc.（西门子医疗解决方案美国公司） ； Inselspital, Bern University Hospital（伯尔尼大学医院Inselspital） ； University of Bern（伯尔尼大学） ； Department of Biomedical Engineering（生物医学工程系） ； Department of Radiology and Biomedical Imaging（放射科和生物医学成像系） ； Department of Medicine (Cardiology)（医学系（心脏病学）） 纠错

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

AI总结 DECADE是一种用于增强Rb-82动态心脏PET图像去噪的无监督扩散模型，通过引入时间一致性提升去噪效果，实现高质量动态和参数图像重建。

DKDL-Net: A Lightweight Bearing Fault Detection Model via Decoupled Knowledge Distillation and Low-Rank Adaptation Fine-tuning

DKDL-Net: 一种通过解耦知识蒸馏和低秩适应微调的轻量级滚动轴承故障检测模型

Ovanes Petrosian, Li Pengyi, He Yulong, Liu Jiarui, Sun Zhaoruikun, Fu Guofeng, Meng Liping

机构 * SPBU（圣彼得堡国立大学） 纠错

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

AI总结 本文提出DKDL-Net模型，通过解耦知识蒸馏和低秩适应微调，实现轻量级滚动轴承故障检测，提升计算效率和精度。

Journal ref Scientific Reports, 15, 36136 (2025)

A SISA-based Machine Unlearning Framework for Power Transformer Inter-Turn Short-Circuit Fault Localization

基于SISA的电力变压器匝间短路故障定位机器去学习框架

Nanhong Liu, Jingyi Yan, Mucun Sun, Jie Zhang

机构 * Graduate Student Member, IEEE（IEEE研究生会员） ； Member, IEEE（IEEE会员） ； Senior Member, IEEE（IEEE高级会员） 纠错

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

AI总结 本文提出基于SISA的机器去学习框架，用于电力变压器匝间短路故障定位，通过分片和隔离技术减少重新训练时间，同时保持诊断准确性。

Integrating a Causal Foundation Model into a Prescriptive Maintenance Framework for Optimising Production-Line OEE

将因果基础模型整合到指令性维护框架中以优化生产线OEE

Felix Saretzky, Lucas Andersen, Thomas Engel, Fazel Ansari

机构 * Department of Engineering University of Luxembourg（工程系卢森堡大学） ； Department of Computer Science University of Luxembourg（计算机科学系卢森堡大学） ； Chair of Production and Maintenance Management TU Wien（生产与维护管理系维也纳技术大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出基于因果机器学习的模型，通过模拟潜在修复方案优化生产线OEE，解决传统预测模型无法识别故障根本原因的问题。

Comments 9 pages, 3 images, 1 table, conference paper

FeasibleCap: Real-Time Embodiment Constraint Guidance for In-the-Wild Robot Demonstration Collection

FeasibleCap: 机器人自由捕捉中的实时执行性指导

Zi Yin, Fanhong Li, Yun Gui, Jia Liu

机构 * Tsinghua University（清华大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 FeasibleCap通过实时执行性指导提升机器人自由捕捉的效率和成功率。

Diagnosing and Repairing Distributed Routing Configurations Using Selective Symbolic Simulation

通过选择性符号模拟诊断和修复分布式路由配置

Rulan Yang, Gao Han, Hanyang Shao, Xiaoqiang Zheng, Xing Fang, Ziyi Wang, Lizhao You, Ruiting Zhou, Linghe Kong, Ennan Zhai, Qiao Xiang, Jiwu Shu

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 S^2Sim通过选择性符号模拟自动诊断和修复分布式路由配置错误，能在短时间内处理大规模网络配置。

Comments 13pages, accepted by NSDI'26

Enhancing the Detection of Coronary Artery Disease Using Machine Learning

利用机器学习增强冠状动脉疾病检测

Karan Kumar Singh, Nikita Gajbhiye, Gouri Sankar Mishra

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Sharda University（沙达大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本研究利用机器学习算法，通过分析患者数据提升冠状动脉疾病检测的准确性，混合模型在灵敏度和特异性方面优于传统方法，准确率达97.07%。

Comments 20 pages, 11 figures, 5 tables. This paper proposes a hybrid Bi-LSTM and GRU based machine learning framework for improved detection of Coronary Artery Disease using CCTA imaging data and clinical features

MINT: Molecularly Informed Training with Spatial Transcriptomics Supervision for Pathology Foundation Models

MINT: 通过空间转录组监督进行病理基础模型的分子引导训练

Minsoo Lee, Jonghyun Kim, Juseung Yun, Sunwoo Yu, Jongseong Jang

机构 * LG AI Research（LG人工智能研究） 纠错

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

AI总结 MINT通过整合空间转录组监督提升病理基础模型的分子信息捕捉能力，实现基因表达预测和病理任务的性能优化。

Beyond Attention Heatmaps: How to Get Better Explanations for Multiple Instance Learning Models in Histopathology

超越注意力热图：如何为多实例学习模型在病理学中的更好解释

Mina Jamshidi Idaji, Julius Hense, Tom Neuhäuser, Augustin Krause, Yanqing Luo, Oliver Eberle, Thomas Schnake, Laure Ciernik, Farnoush Rezaei Jafari, Reza Vahidimajd, Jonas Dippel, Christoph Walz, Frederick Klauschen, Andreas Mock, Klaus-Robert Müller

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

AI总结 本研究提出了一种评估MIL热图质量的通用框架，发现扰动、LRP和IG在病理学任务中表现更优，展示了其在生物验证和发现不同模型策略中的应用。

ASMIL: Attention-Stabilized Multiple Instance Learning for Whole Slide Imaging

ASMIL：基于注意力的多实例学习用于整张滑动图像

Linfeng Ye, Shayan Mohajer Hamidi, Zhixiang Chi, Guang Li, Mert Pilanci, Takahiro Ogawa, Miki Haseyama, Konstantinos N. Plataniotis

机构 * University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； Hokkaido University（北海道大学） 纠错

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

AI总结 ASMIL通过稳定注意力动态，解决多实例学习中的过拟合、注意力集中和不稳定问题，提升WSI诊断性能

Comments 39 pages, 26 figures

Label-free pathological subtyping of non-small cell lung cancer using deep classification and virtual immunohistochemical staining

无需标签的非小细胞肺癌病理亚型分类方法：利用深度分类和虚拟免疫组化染色

Zhenya Zang, David A Dorward, Katherine E Quiohilag, Andrew DJ Wood, James R Hopgood, Ahsan R Akram, Qiang Wang

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

AI总结 本研究提出无需标签的非小细胞肺癌亚型分类方法，利用深度学习和虚拟免疫组化染色技术实现快速准确诊断。

Comments Main article: 27 pages, 6 figures, and 1 table. Supplementary information: 12 figures and 6 tables. Accepted by NPJ Digital Medicine

Link Wars: The Semantic Crisis. Is the debate over or is it just beginning?

链接战争：语义危机。争论是结束还是刚刚开始？

Paul Borrill

专题命中 病理影像 ：pathology(abstract)

AI总结 本文探讨了当前互联技术面临语义危机，提出通过Open Atomic Ethernet解决碎片化问题，强调明确的链接语义和双方面交易原语的重要性。

Comments 17 pages, 34 references

TumorChain: Interleaved Multimodal Chain-of-Thought Reasoning for Traceable Clinical Tumor Analysis

TumorChain: 交错多模态链式推理用于可追溯的临床肿瘤分析

Sijing Li, Zhongwei Qiu, Jiang Liu, Wenqiao Zhang, Tianwei Lin, Yihan Xie, Jianxiang An, Boxiang Yun, Chenglin Yang, Jun Xiao, Guangyu Guo, Jiawen Yao, Wei Liu, Yuan Gao, Ke Yan, Weiwei Cao, Zhilin Zheng, Tony C. W. Mok, Kai Cao, Yu Shi, Jiuyu Zhang, Jian Zhou, Beng Chin Ooi, Yingda Xia, Ling Zhang

机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里集团达摩院） ； Hupan Lab（虎扑实验室） ； Shanghai Institution of Pancreatic Disease（上海胰腺疾病研究所） ； Shengjing Hospital of China Medical University（中国医科大学盛京医院） ； Sun Yat-sen University Cancer Center（中山大学肿瘤中心） 纠错

专题命中 医疗多模态 ：CT(abstract)；pathology(abstract)；diagnosis(abstract)；radiology(abstract)

AI总结 TumorChain通过多模态交错推理框架提升临床肿瘤分析的可追溯性和准确性。

Comments Accepted at ICLR 2026. 10 pages + appendix

MedInjection-FR: Exploring the Role of Native, Synthetic, and Translated Data in Biomedical Instruction Tuning

MedInjection-FR: 探索原生、合成和翻译数据在生物医学指令微调中的作用

Ikram Belmadani, Oumaima El Khettari, Pacôme Constant dit Beaufils, Benoit Favre, Richard Dufour

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

AI总结 MedInjection-FR研究通过结合原生、合成和翻译数据，探索其在生物医学指令微调中的作用，发现原生数据效果最佳，混合数据提供互补优势，合成数据需与原生结合才能提升性能。

Comments Accepted in LREC-2026

Learning Hierarchical Knowledge in Text-Rich Networks with Taxonomy-Informed Representation Learning

在文本丰富网络中学习层次化知识：基于分类学的表示学习

Yunhui Liu, Yongchao Liu, Yinfeng Chen, Chuntao Hong, Tao Zheng, Tieke He

机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 TIER通过构建隐含层次分类学并整合到节点表示中，提升文本丰富网络的层次化知识学习能力，实现更可解释的结构化建模。

Comments Accepted by KDD 2026. Extended version coming soon

MrBERT: Modern Multilingual Encoders via Vocabulary, Domain, and Dimensional Adaptation

MrBERT：通过词汇、领域和维度适应构建的现代多语言编码器

Daniel Tamayo, Iñaki Lacunza, Paula Rivera-Hidalgo, Severino Da Dalt, Javier Aula-Blasco, Aitor Gonzalez-Agirre, Marta Villegas

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

AI总结 MrBERT通过词汇、领域和维度适应，实现了多语言编码器在特定任务和专业领域中的高性能与高效优化。

Comments 24 pages, 14 tables and 4 figures

RexDrug: Reliable Multi-Drug Combination Extraction through Reasoning-Enhanced LLMs

RexDrug：通过增强推理的大型语言模型实现可靠的多药物组合提取

Zhijun Wang, Ling Luo, Dinghao Pan, Huan Zhuang, Lejing Yu, Yuanyuan Sun, Hongfei Lin

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 RexDrug通过增强推理的大型语言模型，实现了可靠的多药物组合提取，优于现有方法并在二元和n元任务中均表现优异。

Comments 21 pages, 7 figures

Tree-Based Predictive Models for Noisy Input Data

基于树模型的噪声输入数据预测方法

Kevin McCoy, Zachary Wooten, Christine B. Peterson

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出meBART模型，通过直接整合测量误差来提升预测精度和不确定性量化能力，适用于生物医学领域中存在测量误差的预测问题。

Comments 17 pages, 9 figures

Conformal Prediction for Risk-Controlled Medical Entity Extraction Across Clinical Domains

面向多临床领域的风险控制医疗实体提取的符合预测

Manil Shrestha, Edward Kim

机构 * Department of Computer Science, Drexel University（计算机科学系，德雷塞尔大学） 纠错

专题命中 生物医学文本 ：radiology(abstract)

AI总结 本文提出一种符合预测框架，用于多临床领域医疗实体提取，发现模型在不同领域中校准方向不同，需根据文档结构和任务需求调整阈值以确保安全部署。

Bayesian Inference for Joint Tail Risk in Paired Biomarkers via Archimedean Copulas with Restricted Jeffreys Priors

通过受限杰弗里斯先验的阿基米德Copula进行配对生物标志物联合尾风险的贝叶斯推断

Agnideep Aich, Md. Monzur Murshed, Sameera Hewage, Ashit Baran Aich

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出一种基于Copula的贝叶斯方法，通过受限杰弗里斯先验量化配对生物标志物的联合尾风险，揭示了极端共动性显著高于独立性。

Causal Retrieval with Semantic Consideration

具有语义考虑的因果检索

Hyunseo Shin, Wonseok Hwang

机构 * Department of Artificial Intelligence, University of Seoul, Seoul 02504, South Korea（人工智能系，首尔大学，首尔） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 CAWAI是一种结合语义和因果关系的检索模型，通过双重训练目标在因果检索任务中表现优异，尤其在大规模检索场景中具有良好的泛化能力。

MedQ-Deg: A Multidimensional Benchmark for Evaluating MLLMs Across Medical Image Quality Degradations

MedQ-Deg：一个多维基准，用于评估医疗图像质量退化下的多模态大语言模型

Jiyao Liu, Junzhi Ning, Chenglong Ma, Wanying Qu, Jianghan Shen, Siqi Luo, Jinjie Wei, Jin Ye, Pengze Li, Tianbin Li, Jiashi Lin, Hongming Shan, Xinzhe Luo, Xiaohong Liu, Lihao Liu, Junjun He, Ningsheng Xu

机构 * Fudan University（复旦大学） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Imperial College London（伦敦帝国理工学院） 纠错

专题命中 医学数据与评测 ：medical image(title,abstract)；分类 cs.CV

AI总结 MedQ-Deg是一个多维基准，用于评估医疗图像质量退化下多模态大语言模型的性能，揭示模型在不同退化类型下的表现差异及置信度校准问题。

Comments 29 pages, 11 figures

VLM-SubtleBench: How Far Are VLMs from Human-Level Subtle Comparative Reasoning?

VLM-SubtleBench: VLMs在人类水平的细微比较推理方面还有多远？

Minkyu Kim, Sangheon Lee, Dongmin Park

机构 * KRAFTON ； KAIST（韩国科学技术院） 纠错

专题命中 医学数据与评测 ：medical image(abstract)；分类 cs.CV、cs.LG

AI总结 VLM-SubtleBench通过评估VLMs在细微比较推理上的表现，揭示了模型与人类性能之间的差距，并为提升VLMs的推理能力提供了基础。

Comments ICLR 2026

PromptGate Client Adaptive Vision Language Gating for Open Set Federated Active Learning

PromptGate：面向开放集联邦主动学习的客户端自适应视觉语言门控

Adea Nesturi, David Dueñas Gaviria, Jiajun Zeng, Shadi Albarqouni

机构 * University of Bonn（波恩大学） ； University Hospital Bonn（波恩大学医院） ； Clinic for Diagnostic and Interventional Radiology（诊断与介入放射科诊所） 纠错

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

AI总结 PromptGate通过动态视觉语言模型门控框架提升开放集联邦主动学习的标注效率，实现高纯度和高召回率的样本筛选。

Comments 3 Figures, 2 Tables, 10 pages