医学 AI

Catching the Infection Before It Spreads: Foresight-Guided Defense in Multi-Agent Systems

在感染蔓延前捕捉它：多智能体系统中的前瞻性引导防御

Yue Ma, Ziyuan Yang, Yi Zhang

机构 * Sichuan University（四川大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出Foresight-Guided Local Purification框架，通过智能体模拟未来交互行为，消除感染。实验表明，该方法将最大累积感染率从95%降至5.47%，有效保持交互多样性。

Comments 12 pages

Generative Deep Learning for Computational Destaining and Restaining of Unregistered Digital Pathology Images

生成式深度学习用于未注册数字病理图像的计算脱色和复染

Aarushi Kulkarni, Alarice Lowe, Pratik Shah

机构 * Department of Computer Science University of California Irvine, CA, USA（计算机科学系 加州大学 伊藤市 加州 USA） ； Department of Pathology Stanford University Stanford, CA, USA（病理学系 斯坦福大学 斯坦福市 加州 USA） 纠错

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

AI总结 本文提出基于cGAN的生成式深度学习方法，用于未注册数字病理图像的计算脱色和复染，通过预处理流程提升模型性能，验证了在跨机构数据集上的可行性。

MicroscopyMatching: Towards a Ready-to-use Framework for Microscopy Image Analysis in Diverse Conditions

MicroscopyMatching：面向多样条件下的显微图像分析即用框架

Xiaofei Hui, Haoxuan Qu, Hossein Rahmani, Shuohong Wang, Jeff W. Lichtman, Jun Liu

机构 * School of Computing and Communications（计算与通信学院） ； Lancaster University（兰卡斯特大学） ； Department of Cell Biology（细胞生物学系） ； Harvard Medical School（哈佛医学院） ； Department of Molecular and Cellular Biology（分子与细胞生物学系） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出MicroscopyMatching框架，通过统一匹配问题解决显微图像分析中的分割、跟踪和计数任务，克服传统方法在多样条件下的适应性不足问题。

Neural Fields for NV-Center Inverse Sensing

神经场用于NV中心反向传感

Zhixuan Zhao, Tao Zhong, Yixun Hu, Nathalie P. de Leon, Christine Allen-Blanchette

机构 * Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文研究了基于钻石中氮-空位中心的噪声传感反向问题，提出NeTMY神经场方法，通过改进的正则化和优化策略提升反向传感性能。

Comments 33 pages, 16 figures

From Scenes to Elements: Multi-Granularity Evidence Retrieval for Verifiable Multimodal RAG

从场景到元素：面向可验证多模态RAG的多粒度证据检索

Guanhua Chen, Chuyue Huang, Yutong Yao, Shudong Liu, Xueqing Song, Lidia S. Chao, Derek F. Wong

机构 * NLP 2 CT Lab, Department of Computer and Information Science, University of Macau（NLP2CT实验室，计算机与信息科学系，澳门大学） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 本文提出GranuRAG框架，通过多粒度跨模态对齐和元素级检索，解决多模态RAG中粗粒度证据与细粒度查询不匹配的问题，提升可验证性。

A Systematic Evaluation of Imbalance Handling Methods in Biomedical Binary Classification

对生物医学二分类中不平衡处理方法的系统评估

Jiandong Chen, Lingjie Su, Le Peng, Yash Travadi, Rui Zhang, Ju Sun

机构 * Institute for Health Informatics, University of Minnesota（明尼苏达大学健康信息学研究所） ； Department of Computer Science and Engineering, University of Minnesota（明尼苏达大学计算机科学与工程系） ； School of Statistics, University of Minnesota（明尼苏达大学统计学系） ； Division of Computational Health Sciences, Department of Surgery, University of Minnesota（明尼苏达大学外科系计算健康科学分会） 纠错

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

AI总结 本文系统评估了不同不平衡处理方法对生物医学二分类预测性能的影响，发现复杂模型和非结构化数据中ROS和RW效果显著，而RUS和SMOTE效果较差。

Comments 18 pages, 1 figures, 4 tables

When Evidence Conflicts: Uncertainty and Order Effects in Retrieval-Augmented Biomedical Question Answering

当证据冲突时：检索增强式生物医学问答中的不确定性与顺序效应

Yikun Han, Mengfei Lan, Halil Kilicoglu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文评估了六个开源LLM在不同证据条件下的表现，发现证据冲突导致模型准确性下降，并提出冲突感知的置疑评分以提升鲁棒性。

Comments Accepted by BioNLP 2026

FedStain: Modeling Higher-Order Stain Statistics for Federated Domain Generalization in Computational Pathology

FedStain: 模型高阶染色统计信息以实现计算病理学中的联邦域泛化

Fengyi Zhang, Junya Zhang, Wenzhuo Sun

机构 * School of Electronic Science and Technology, Hainan University, Haikou, China, 570228（海南大学电子科学与技术学院） ； School of Computer Science and Technology, Xidian University, Xi'an, China, 710126（西安电子科技大学计算机科学与技术学院） ； Xiangjiang College of Elite Engineers, Hunan University, Changsha, China, 410082（湖南大学精英工程师学院） 纠错

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

AI总结 FedStain通过引入高阶染色统计量（偏度和峰度）提升联邦域泛化性能，有效应对跨机构染色异质性问题，实验表明其在Camelyon17和MvMidog-Fed数据集上优于现有方法。

Holistic Evaluation and Failure Diagnosis of AI Agents

人工智能代理的总体评估与故障诊断

Netta Madvil, Gilad Dym, Alon Mecilati, Edo Dekel, Jonatan Liberman, Rotem Brazilay, Liron Schliesser, Max Svidlo, Shai Nir, Orel Shalom, Yaron Friedman, David Connack, Amos Rimon, Philip Tannor, Shir Chorev

机构 * Deepchecks 纠错

专题命中 医学数据与评测 ：diagnosis(title,abstract)

AI总结 本文提出一种综合评估框架，结合顶层代理诊断与底层跨度评估，通过分解分析实现独立跨度评估，提升长结构轨迹中的故障定位与分类准确性。

RAM-W600: A Multi-Task Wrist Dataset and Benchmark for Rheumatoid Arthritis

RAM-W600：一种多任务手腕数据集和基准用于类风湿性关节炎

Songxiao Yang, Haolin Wang, Yao Fu, Ye Tian, Tamotsu Kamishima, Masayuki Ikebe, Yafei Ou, Masatoshi Okutomi

机构 * Institute of Science Tokyo（东京科学研究所） ； Hokkaido University（北海道大学） ； The University of Tokyo（东京大学） 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RAM-W600数据集，用于类风湿性关节炎的手腕骨实例分割和BE评分，包含1048张放射影像，支持RA相关研究及腕部其他任务。

Comments Published in NeurIPS 2025

Neural Field Thermal Tomography: A Differentiable Physics Framework for Non-Destructive Evaluation

神经场热成像：一种无标签的非破坏性评价可微物理框架

Tao Zhong, Yixun Hu, Dongzhe Zheng, Aditya Sood, Christine Allen-Blanchette

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出NeFTY框架，通过可微隐式欧拉热求解器精确满足偏微分方程，实现无标签三维逆热传导问题的高精度恢复，优于传统PINN和体素网格基线。

Comments 37 pages, 19 figures

Heuristic Pathologies and Further Variance Reduction via Uncertainty Propagation in the AIVAT Family of Techniques

启发式病态及通过不确定性传播进一步方差缩减在AIVAT技术家族中

Juho Kim, Tuomas Sandholm

机构 * CMU Strategic Machine, Inc.（CMU战略机器公司） ； Strategy Robot, Inc.（策略机器人公司） ； Optimized Markets, Inc.（优化市场公司） 纠错

专题命中 医学数据与评测 ：pathology(abstract)

AI总结 本文探讨了AIVAT技术中启发式价值函数的潜在漏洞，并通过不确定性传播进一步减少方差，实验显示可减少43%的样本需求。

CausalReasoningBenchmark: A Real-World Benchmark for Disentangled Evaluation of Causal Identification and Estimation

因果推理基准：用于解耦评估因果识别和估计的现实世界基准

Ayush Sawarni, Jiyuan Tan, Vasilis Syrgkanis

机构 * Stanford University（斯坦福大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出CausalReasoningBenchmark，通过173个查询和132个现实数据集评估因果识别与估计，揭示模型在研究设计细节上的瓶颈。