医学 AI

QM-ToT: A Medical Tree of Thoughts Reasoning Framework for Quantized Model

QM-ToT: 一种用于量化模型的医学树状思维推理框架

Zongxian Yang, Jiayu Qian, Kay Chen Tan, Hau-San Wong, Yulong Chen, Haoyu Zhang, Zhi-An Huang

机构 * City University of Hong Kong(Dongguan)（香港城市大学（东莞）） ； Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出QM-ToT框架，通过树状思维方法分解复杂医疗问题，提升INT4量化模型在MedQAUSMLE数据集上的性能，使LLaMA2-70b模型准确率从34%提升至50%。

Comments Accepted by ICIC 2026 Poster

RadThinking: A Dataset for Longitudinal Clinical Reasoning in Radiology

RadThinking：放射学中纵向临床推理的数据集

Wenxuan Li, Pedro R. A. S. Bassi, Xinze Zhou, Jakob Wasserthal, Alan L. Yuille, Zongwei Zhou

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Clinic of Radiology and Nuclear Medicine, University Hospital Basel（巴塞尔大学医院放射科与核医学科） ； Department of Oncology, Johns Hopkins School of Medicine（约翰霍普金斯医学院肿瘤科） 纠错

专题命中 医学数据与评测 ：radiology(title)；CT(abstract)；pathology(abstract)；分类 cs.CV

AI总结 RadThinking数据集通过三个难度层级的VQA任务，提供放射学纵向临床推理的训练和评估框架，支持多步骤推理和临床指南标准。

FairHealth: An Open-Source Python Library for Trustworthy Healthcare AI in Low-Resource Settings

FairHealth: 一个用于低资源环境可信医疗AI的开源Python库

Farjana Yesmin

机构 * Independent Researcher（独立研究者） 纠错

专题命中 医学数据与评测 ：healthcare AI(title,abstract)；分类 cs.LG

AI总结 FairHealth通过整合公平性审计、隐私保护联邦学习、可解释性工具等模块，解决低资源医疗AI工具包的关键缺口，提升全球南医疗数据的可信度与公平性。

Comments 8 pages, open-source Python library

Parallel Multi-Circuit Quantum Feature Fusion in Hybrid Quantum-Classical Convolutional Neural Networks for Breast Tumor Classification

并行多电路量子特征融合在混合量子-经典卷积神经网络中的应用：用于乳腺肿瘤分类

Ece Yurtseven

机构 * Robert College of Istanbul（伊斯坦布尔罗伯特学院） 纠错

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

AI总结 本文提出一种混合量子-经典卷积神经网络架构，利用量子电路与经典特征融合提升乳腺肿瘤二分类性能，通过统计检验验证量子方法在医学图像分类中的有效性。

Comments Accepted to QCNC 2026

AgentRx: A Benchmark Study of LLM Agents for Multimodal Clinical Prediction Tasks

AgentRx: 一种针对多模态临床预测任务的LLM代理基准研究

Baraa Al Jorf, Farah E. Shamout

机构 * New York University Abu Dhabi（纽约大学阿布扎克分校） 纠错

专题命中 医学数据与评测 ：medical image(abstract)；radiology(abstract)

AI总结 本文研究了LLM代理在多模态临床预测任务中的表现，发现单代理框架在处理多模态数据和校准方面优于多代理系统，强调了改进多代理协作的重要性。

Comments Accepted at the AHLI Conference on Health, Inference, and Learning 2026

GLEAM: A Multimodal Imaging Dataset and HAMM for Glaucoma Classification

GLEAM：一种多模态成像数据集和HAMM用于青光眼分类

Jiao Wang, Chi Liu, Yiying Zhang, Hongchen Luo, Zhifen Guo, Ying Hu, Ke Xu, Jing Zhou, Hongyan Xu, Ruiting Zhou, Man Tang

机构 * Department of Ophthalmology, Shenyang Fourth People’s Hospital（眼科医院，沈阳第四人民医院） 纠错

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

AI总结 本文提出GLEAM数据集，包含三种多模态图像，用于青光眼分类，并提出HAMM方法整合跨模态信息以提高诊断准确性。

FQPDR: Federated Quantum Neural Network for Privacy-preserving Early Detection of Diabetic Retinopathy

FQPDR：联邦量子神经网络用于隐私保护的糖尿病视网膜病变早期检测

Debashis De, Mahua Nandy Pal, Dipankar Hazra

机构 * Department of Computer Science and Engineering, Maulana Abul Kalam Azad University of Technology, West Bengal（计算机科学与工程系，穆拉纳·阿布·卡尔·拉马纳特技术大学，西孟加拉邦） ； Department of Computer Science and Engineering, MCKV Institute of Engineering, West Bengal（计算机科学与工程系，MCKV工程学院，西孟加拉邦） ； Department of Computer Science and Engineering, OmDayal Group of Institutions, West Bengal（计算机科学与工程系，OmDayal学院集团，西孟加拉邦） 纠错

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

AI总结 本文提出基于联邦学习的量子神经网络(FQPDR)，用于在保护隐私的前提下早期检测糖尿病视网膜病变，通过有限样本和参数实现高效检测。

Journal ref Evolutionary Intelligence (17) 4047 4068 (2024)

BandRouteNet: An Adaptive Band Routing Neural Network for EEG Artifact Removal

BandRouteNet: 一种用于EEG去噪的自适应频段路由神经网络

Phat Lam

机构 * Ho Chi Minh City University of Technology（胡志明市技术大学） 纠错

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

AI总结 本文提出BandRouteNet，通过频段特定处理与全频段上下文建模，有效去除EEG信号中的EOG和EMG干扰，提升去噪性能与参数效率。

Comments Preprint version, 5 pages

Towards Trustworthy Audio Deepfake Detection: A Systematic Framework for Diagnosing and Mitigating Gender Bias

迈向可信的音频深度伪造检测：一种系统性框架用于诊断和缓解性别偏见

Aishwarya Fursule, Shruti Kshirsagar, Anderson R. Avila

机构 * School of Computing, Wichita State University（维克托利亚州立大学计算机学院） ； Institut national de la recherche scientifique (INRS-EMT)（国家科学研究机构（INRS-EMT）） ； INRS-UQO Mixed Research Unit on Cybersecurity（INRS-UQO网络安全混合研究单位） 纠错

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

AI总结 本文提出首个诊断优先框架，通过诊断偏见来源并针对性缓解，评估了AASIST和Wav2Vec2+ResNet18模型在ASVSpoof5上的表现，发现偏见源于声学表示差异、特征中性别泄露及评估结构不对称，提出新的公平性正则化方法，有效降低不公平性。

Comments Submitted to SMC 2026 conference

ER-Reason: A Benchmark Dataset for LLM Clinical Reasoning in the Emergency Room

ER-Reason：用于急诊科大型语言模型临床推理的基准数据集

Nikita Mehandru, Niloufar Golchini, Namrata Garg, Kathy T. LeSaint, Christopher J. Nash, Anu Ramachandran, Travis Zack, Liam G. McCoy, Adam Rodman, David Bamman, Melanie Molina, Ahmed Alaa

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of California, San Francisco（加州大学旧金山分校） ； Duke University（杜克大学） ； University of Alberta（阿尔伯塔大学） ； Beth Israel Deaconess Medical Center（贝斯以色列德aconess医疗中心） ； UC Berkeley and UCSF（伯克利大学和旧金山分校） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 ER-Reason基准数据集通过真实患者病例评估LLM在急诊流程中逐步推理能力，包含25174份脱敏临床记录，采用Script Concordance Test风格问题测试模型在积累临床证据时的诊断信念更新。

Detect, Localize, and Explain: Interactive Hierarchical Log Anomaly Analytics with LLM Augmentation

检测、定位与解释：基于LLM增强的交互式分层日志异常分析

Lei Ma, Suhani Chaudhary, Ethan Shanbaum, Athanasios Tassiadamis, Peter M. VanNostrand, Dennis M. Hofmann, Haowen Xu, Elke Rundensteiner

机构 * Worcester Polytechnic Institute, USA（沃斯特理工学院，美国） ； University of Nevada, Las Vegas, USA（内华达大学拉斯维加斯分校，美国） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出Krone系统，通过分层日志抽象和 orchestration 框架，结合LLM推理实现日志异常的精准检测、定位与解释，提供交互式可视化工具支持软件工程师和系统运维人员进行可解释的分层日志分析。

Active Multiple-Prediction-Powered Inference

主动多预测驱动推断

Nicholas Brawand, Nima Leclerc, Anhthy Ngo, Matthew Peterson, Sriram Vishwanath, Laith Alhussein, Ben Wellner

机构 * The MITRE Corporation（MITRE公司） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 其他医学AI ：healthcare AI(abstract)；分类 cs.LG

AI总结 本文提出主动多预测驱动推断（AM-PPI），通过在部署时根据成本选择合适的预测子集，优化标签获取和预测权重，实现更高效的医疗AI监控。