科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
医学模型合成架构：一种案例研究
机构 * MIT（麻省理工学院） ； University of Cambridge（剑桥大学） ； Princeton University（普林斯顿大学） ； Duke University（杜克大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出一种框架，使AI系统能在不确定性下进行实用且形式透明的临床预测。通过语言模型检索知识并构建概率模型，实现校准和可验证的推理，用于鉴别诊断并讨论未来应用方向。
Comments Working paper
SymptomAI：迈向日常症状评估的对话式AI代理
机构 * Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文研究了SymptomAI在日常生活中对患者症状评估的准确性，通过真实世界数据验证其优于传统临床诊断，展示了专用症状访谈策略的优越性。
Comments 13 page main text, 54 pages total. 16 figures total
功能连接研究中自闭症谱系障碍儿童的非参数运动控制
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出非参数估计方法MoCo，用于评估自闭症谱系障碍儿童与非自闭症儿童的功能连接差异，通过标准化运动以减少运动伪影并提高数据利用效率。
通过往返验证与修复实现可信的自动形式化
机构 * Stanford University（斯坦福大学）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出一种无需地面真实标注的往返验证方法，通过形式化-自然语言翻译-再形式化-逻辑等价性检查，验证形式化结果的可信度，并通过诊断引导的局部修复提升准确性。
当代理人言辞与行为不一致时：从LLMs中验证提取的信念
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Research（微软研究院）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 本文提出一种决策理论框架，通过提取概率判断和决策并检验其一致性，验证LLMs的信念是否合理，发现最强模型的不一致程度较小。
线性回归中的有效F筛选
专题命中 诊断辅助 ：biomedical(abstract)
AI总结 本文提出在拒绝整体零假设条件下有效的统计工具，开发了条件有效的p值、置信区间和点估计，适用于回顾性分析。
MedThink: 通过教师引导的推理校正提升小模型的诊断准确性
机构 * School of Computer Science, Fudan University, Shanghai, China（复旦大学计算机学院，上海，中国）
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 MedThink通过两阶段知识蒸馏框架提升小语言模型的临床推理能力，在医疗基准测试和胃肠病数据集上均优于传统方法，提升诊断准确率和泛化能力。
超越玩具基准：对植物病理分类中OOD检测方法的系统评估
机构 * Independent Researcher（独立研究者）
专题命中 病理影像 ：pathology(title,summary_cn)；分类 cs.CV、cs.LG
AI总结 本文系统评估了六种OOD检测方法在Plant Pathology 2021数据集上的表现，发现能量基细调在多种OOD设置中表现最佳，同时保持了分布内准确率，并揭示了约束优化方法在中等规模数据集上的训练不稳定性。
乳腺病理科基础模型用于真实世界临床应用
机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学计算机科学与工程系） ； Department of Pathology, Nanfang Hospital, School of Basic Medical Sciences, Southern Medical University, Guangzhou, China（南方医科大学基础医学学院病理学系，广州医院） ； Department of Pathology, The First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, China（浙江大学医学院第一附属医院病理学系，杭州） ； State Key Laboratory of Holistic Integrative Management of Gastrointestinal Cancers, Department of Pathology, School of Basic Medicine and Xijing Hospital, Fourth Military Medical University, Xi’an, China（胃肠癌整体整合管理国家重点实验室，第四军医大学基础医学学院病理学系，西京医院）
专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV
AI总结 本文提出BRAVE模型，通过101638张乳腺全切片图像评估其在乳腺癌诊断中的临床实用性，展示了在不同阶段的病理评估中提升诊断效率和准确性的能力。
Comments 60 pages
CellDX AI Autopilot：基于代理的训练与部署病理分类器
机构 * HistAI
专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV
AI总结 CellDX AI Autopilot通过自然语言交互让非ML背景的病理学家和ML专家高效训练、评估和部署病理分类器，利用预构建的32000+病例和66000张H&E染色全切片图像数据集，结合多实例学习框架和迭代双变量超参数搜索，实现端到端自动化模型训练。
SAGE：可解释且临床可转化的计算病理学生物标志物发现代理框架
机构 * Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） ； NVIDIA（NVIDIA公司） ； University of Arkansas at Little Rock（阿拉伯州立大学）
专题命中 病理影像 ：pathology(title,abstract)；分类 cs.LG
AI总结 SAGE通过生物证据引导生物标志物发现，结合多代理系统生成和评估假设，实现结构化、可追溯的病理学研究方法。
超越ViT标记：面向细胞级密集预测的掩码扩散预训练卷积病理基础模型
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Research Institute of Tsinghua, Pearl River Delta（清华大学 Pearl River Delta 研究院） ； The Chinese University of Hong Kong, ShenZhen（香港中文大学（深圳））
专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV
AI总结 本文提出ConvNeXt Masked-Diffusion模型，通过卷积生成预训练框架提升病理图像细胞级密集预测性能，实验表明其在有限标注条件下表现更优，优于现有ViT模型和端到端分割方法。
预测性放射组学用于评估胶质瘤中癌症免疫签名：PRECISE-GBM研究
机构 * School of Biomedical Engineering & Imaging Sciences, King’s College London, UK（伦敦国王学院生物医学工程与成像科学学院） ； Department of Neurosurgery, King’s College Hospital, London, UK（伦敦国王学院医院神经外科部门） ； Department of Neuroradiology, Beijing Tiantan Hospital, Beijing, China（北京天坛医院神经放射科部门） ； Department of Neuroradiology, King’s College Hospital, London, UK（伦敦国王学院医院神经放射科部门）
专题命中 病理影像 ：MRI(abstract,abstract_cn)；分类 cs.LG
AI总结 本研究通过放射组学方法开发并验证了预测胶质瘤微环境中免疫细胞签名的生物标志物，展示了其在免疫治疗患者分层中的潜力。
Comments Abstract : 226; Importance of study: 109; Manuscript: 5690 (excluding references) Figures: 4, Tables: 2 Supplemental File: 1
Journal ref Neuro-Oncology Advances 2026. Published online May 2, 2026
MicroDiffuse3D：一种用于3D显微成像修复的预训练基础模型
机构 * Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA（保罗·G·艾伦计算机科学与工程学院，华盛顿大学，西雅图，华盛顿州，美国） ； Department of Chemistry, University of Washington, Seattle, WA, USA（化学系，华盛顿大学，西雅图，华盛顿州，美国）
专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV、cs.LG、q-bio
AI总结 本文提出MicroDiffuse3D，一种预训练的3D显微成像修复模型，通过高通量数据提升3D化学成像的分辨率和信噪比，实现高质量体体积结构重建。
通过可解释人工智能在不同癌症类型和数据模态间进行无监督风险因素识别
机构 * Memorial Sloan Kettering Cancer Center（纪念斯隆凯特林癌症中心）
专题命中 病理影像 ：CT(abstract_cn)；分类 cs.LG、q-bio
AI总结 本文提出一种无监督机器学习方法，通过可微适应的多元logrank统计量优化患者集群的生存异质性，用于识别具有不同生存结果的患者亚群，并通过模拟实验和实际应用验证其在多种癌症类型中的有效性。
Journal ref npj Digit. Med. 9, 363 (2026)
时间序列的普鲁斯特床：点 wise 损失函数中的优化偏置
机构 * Zhejiang University（浙江大学） ； Griffith University（格里菲斯大学） ； Southeast University（东南大学） ； University of Technology Sydney（悉尼科技大学） ； Ant Group（蚂蚁集团） ； Squirrel Ai Learning
专题命中 病理影像 ：pathology(abstract)；分类 cs.LG
AI总结 本文研究了点 wise 损失函数在时间序列预测中的优化偏置问题，提出通过序列长度缩减和结构正交化进行偏置消除，并通过实验验证了该方法的有效性。
Comments 54 pages
NeuroGAN-3D: 通过高保真3D生成超分辨率增强内在功能脑网络
机构 * Georgia State University（佐治亚州立大学） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS)（神经影像与数据科学转化研究三机构中心（TReNDS）） ； Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学）
专题命中 病理影像 ：pathology(abstract)；分类 cs.CV
AI总结 本文提出NeuroGAN-3D，利用生成对抗网络提升rs-fMRI空间图的分辨率，以更精确地局部化功能单元和检测神经生物学变化。
Comments Accepted in ICCABS 2026: The 14th International Conference on Computational Advances in Bio and Medical Sciences
突变顺序对癌症进展的影响：毛细血管增生性肿瘤的模型
专题命中 病理影像 ：diagnosis(abstract)；分类 q-bio
AI总结 本文提出非线性微分方程和马尔可夫链模型，探讨突变顺序对毛细血管增生性肿瘤进展的影响，揭示基因表达模式和诊断年龄的非加性和非可交换性。
Comments 22 pp, 7 figures. arXiv admin note: text overlap with arXiv:2302.07955
Journal ref Bull Math Biol 86, 32 (2024)
LiteMedCoT-VL: 用于医疗视觉问答的参数高效适应
机构 * School of Information Technology（信息科技学院） ； Monash University Malaysia（墨尔本大学马来西亚分校） ； Faculty of Innovation Engineering（创新工程学院） ； Macau University of Science and Technology（澳门科学技术大学） ； Department of Bioelectronics（生物电子系） ； Faculty of Biomedical Engineering（生物医学工程学院） ； Shenzhen University of Advanced Technology（深圳先进技术大学）
专题命中 医疗多模态 ：medical AI(abstract)；medical image(abstract)；radiology(abstract)；分类 cs.CV、q-bio
AI总结 本文提出LiteMedCoT-VL，通过LoRA微调将大模型的推理过程转移到小模型，实现医疗视觉问答的高效部署，实验显示2B模型在准确率上超越4B模型。
Comments 17 pages, 5 figures
通过角色视角：解决多模态角色扮演代理中的模态-角色干扰
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Shenzhen Loop Area Institute (SLAI)（深圳环城院）
专题命中 医疗多模态 ：MRI(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出CAVI框架，通过角色视角减少多模态角色扮演代理中的模态-角色干扰，提升角色一致的多模态交互。
MicroWorld: 通过多模态属性图赋能多模态大语言模型，弥合微观领域差距
机构 * Shanghai Key Laboratory of Intelligent Information Processing（上海智能信息处理关键实验室） ； School of Computer Science, Fudan University（复旦大学计算机科学学院）
专题命中 医疗多模态 ：biomedical(abstract)；分类 cs.CV
AI总结 MicroWorld通过构建多模态属性图增强多模态大语言模型在微观领域的能力，无需领域微调即可提升推理性能，实验显示在MicroVQA和MicroBench基准上均取得显著提升。
Comments 29 pages, 14 figures
CollabVR: 基于视觉-语言和视频生成模型的协作视频推理
机构 * KAIST（韩国科学技术院） ； Kyung Hee University（庆熙大学） ； AITRICS
专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV
AI总结 CollabVR通过结合视觉-语言模型与视频生成模型，在步骤级实现协作视频推理，提升多步任务性能，并在基准测试中优于现有方法。
CapCLIP：一种用于无线胶囊内镜分析的视觉-语言表示对齐方法
机构 * School of Computer Science, AI and Electronics Faculty of Engineering and Digital Technologies（计算机科学与电子工程学院，工程与数字技术学院） ； School of Management Faculty of Mgmt, Law & Social Sciences（管理学院，管理、法律与社会科学学院） ； Centre for Visual Computing and Intelligent Systems（视觉计算与智能系统中心）
专题命中 医疗多模态 ：pathology(abstract)；分类 cs.CV
AI总结 CapCLIP通过将内镜图像与临床标准术语生成的文本描述对齐，提升无线胶囊内镜分析的泛化能力和语义解释性，优于现有方法。
针对医疗多模态检索增强生成的知识污染攻击
机构 * Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Northwestern Polytechnical University（西北工业大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 医疗多模态 ：diagnosis(abstract)
AI总结 本文提出M³Att框架，针对医疗多模态RAG系统，通过在文本数据中注入隐蔽虚假信息并利用配对视觉数据作为查询无关触发器，提升检索概率，从而在不依赖用户查询先验知识的情况下实现知识污染攻击。
Comments Accepted by ACL 2026
衡量重要性：在医疗保健中基准测试生成、多模态和代理AI
机构 * Centific AI Research（Centific人工智能研究）
专题命中 医疗多模态 ：healthcare AI(abstract)
AI总结 本文探讨了在医疗保健中评估生成、多模态和代理AI的基准测试方法，强调了现有基准测试在可靠性、安全性和临床相关性方面的不足，提出需要系统性的评估框架。
为何不变性不足以实现生物医学领域泛化以及如何修复它
机构 * MIT（麻省理工学院） ； MGH（麻省总医院） ； HMS（哈佛医学院）
专题命中 生物医学文本 ：biomedical(title,abstract)；medical image(abstract)；分类 cs.CV、eess.IV
AI总结 MaskGen通过结合源域图像强度和领域稳定的基模型表示，提出了一种简单有效的领域泛化策略，在生物医学图像分割中实现了更强的泛化能力。
Comments Project GitHub https://github.com/sebodiaz/MaskGen
PrimeKG-CL：一个在演进生物医学知识图谱上的持续图学习基准
机构 * Technology, Innovation, Entrepreneurship Department（技术、创新与创业系） ； King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹大学） ； School of Computing and Information Systems（计算与信息系） ； The University of Melbourne（墨尔本大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； School of Computing Technologies（计算技术学院） ； Jilin University（吉林大学） ； RMIT University（皇家墨尔本理工大学） ； Department of Systems Engineering and Engineering Management（系统工程与工程管理系） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Data Science and Artificial Intelligence（数据科学与人工智能系） ； Hong Kong Polytechnic University（香港理工大学）
专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG
AI总结 本文提出PrimeKG-CL基准，基于九个权威生物医学数据库构建，包含时间快照、任务和多模态特征，评估六种持续学习策略在不同解码器上的性能，发现解码器选择和策略交互显著，仅DistMult能区分持久与过时知识。
CMKL：面向演变生物医学知识图谱的模态感知持续学习
机构 * Technology, Innovation, Entrepreneurship Department（技术、创新与创业部门） ； King Abdullah University of Science and Technology（卡塔尔科技大学） ； School of Computing and Information Systems（计算与信息系统学院） ； The University of Melbourne（墨尔本大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； Jilin University（吉林大学） ； School of Computing Technologies（计算技术学院） ； RMIT University（皇家墨尔本理工大学） ； College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学）
专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG
AI总结 CMKL通过混合专家路由融合结构、文本和分子信息，利用EWC和K-means多样化重放缓冲区保护已有知识，在生物医学持续学习任务中取得显著提升。
BioBLP: 一个用于多模态生物医学知识图谱学习的模块化框架
机构 * Vrije Universiteit Amsterdam（荷兰阿姆斯特丹自由大学） ； University of Amsterdam（阿姆斯特丹大学） ； Elsevier B.V.（埃森哲公司） ； Discovery Lab, Elsevier（埃森哲发现实验室）
专题命中 生物医学文本 ：biomedical(title,abstract)
AI总结 本文提出BioBLP框架，用于处理多模态生物医学知识图谱中的实体属性，支持不同模态的数据编码及缺失属性处理，并通过预训练策略提升训练效率，在药物-蛋白质相互作用预测任务中表现优于基线方法。
Journal ref J Biomed Semant 14, 20 (2023)
柔性纳米游泳者在旋转磁场下的空间动力学
专题命中 生物医学文本 ：diagnosis(abstract)；biomedical(abstract)
AI总结 本文研究了柔性纳米游泳者在旋转磁场下的运动特性，通过建立两连杆模型，分析其非线性动力学方程，并获得同步运动的解析解及稳定性分析，为生物医学应用提供理论支持。
Journal ref Physical Review E 113.5 (2026): 055103
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈