医学 AI

Dynamic Dispatching for Time-Sensitive Blood Sample Collection and Delivery

面向时间敏感血液样本采集与配送的动态调度

Arash Dehghan, Aliaa Alnaggar, Mucahit Cevik, Merve Bodur

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 针对血液样本配送延迟问题，提出基于马尔可夫决策过程的神经近似动态规划调度框架，通过对偶值函数分解提升按时配送样本量占比，减少对外部快递的依赖。

A Multi-Cohort Validation of Censoring-Aware Conformal Lower Predictive Bounds for Pathology Survival Models

面向病理生存模型的感知删失共形下界预测边界的多队列验证

Mingi Hong

专题命中 病理影像 ：pathology(title)；分类 cs.LG

AI总结 本研究通过多队列验证，评估了用于病理生存模型的感知删失共形下界预测边界方法drcosarc，发现其性能依赖于队列，解释受患者单元、估计量和删失假设影响。

Comments 22 pages, 3 figures, 2 main tables, and supplementary material. Preprint

MemNovo: Look Back at the Spectrum for Balanced De Novo Peptide Sequencing from Mass Spectrometry

MemNovo: 回顾谱图以实现质谱中平衡的从头肽段测序

Dongxin Lyu, Jingbo Zhou, Hongxin Xiang, Yuqiang Li, Jun Xia

机构 * Westlake University（西湖大学） ； Hunan University（湖南大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； HKUST-GZ & HKUST（香港科技大学（广州）与香港科技大学） 纠错

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

AI总结 针对现有Transformer模型在从头肽段测序中过度依赖生成序列先验而忽视谱图证据的问题，提出训练无关的即插即用机制MemNovo，通过建立持久谱记忆库和超保守残差连接在解码阶段注入谱特征，显著提升氨基酸和肽段精度。

Comments Code: https://github.com/AIMS-Lab-HKUSTGZ/MemNovo

Journal ref Knowledge Discovery and Data Mining(KDD), 2026

Nano-scale visualization of magnetic vortices in metal nanoparticles

金属纳米颗粒中磁涡旋的纳米尺度可视化

Satoko Toyama, Yoshiki O. Murakami, Ayako Nishikawa, Takehito Seki, Akihito Kumamoto, Yuichi Ikuhara, Naoya Shibata

专题命中 病理影像 ：biomedical(abstract)

AI总结 本研究结合时间反转方法与特定电子显微镜技术，实现了单个钴纳米颗粒磁涡旋的纳米尺度可视化，揭示了颗粒几何与退磁场的关联，为纳米磁性材料设计提供支撑。

SleepVLM: A Rule-Grounded Vision-Language Model for Auditable Sleep Staging

SleepVLM：基于视觉语言模型的可解释且规则驱动的睡眠分期

Guifeng Deng, Pan Wang, Mengfan Niu, Jiquan Wang, Shuying Rao, Junyi Xie, Xi'ang Chen, Sha Zhao, Gang Pan, Wanjun Guo, Tao Li, Haiteng Jiang

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV

AI总结 提出SleepVLM，一种基于规则驱动的视觉语言模型，通过多通道PSG波形图像进行睡眠分期，并生成符合AASM评分标准的临床可读解释，在保持高准确率的同时提升可解释性。

Plausibility-Driven Prioritization of Candidate Biomedical Annotations

基于合理性驱动的候选生物医学注释优先级排序

Emanuele Cavalleri, Miad Alavinezhad, Dario Malchiodi, Marco Mesiti

机构 * Department of Computer Science（计算机科学系） ； University of Milano（米兰大学） 纠错

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

AI总结 针对生物医学注释验证瓶颈，提出利用生物医学知识图谱估计候选注释合理性的框架。通过基于社区的负采样策略训练分类器，引入合理性度量，实验表明该方法提高了分类器鲁棒性和注释优先级排序有效性，提升了人工智能辅助生物医学编目的效率。

Neighborhood-Aware Dual Biomedical Entity Linking

感知邻域的双生物医学实体链接

Yicheng Tao, Jie Liu

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

AI总结 针对生物医学实体链接的挑战，提出三阶段框架PILOT，在五个基准上取得最优性能且推理高效。

DeepImagine: Clinical Trial Outcome Prediction via Stepwise Local Counterfactual Imaginations

DeepImagine: 通过连续反事实想象学习生物医学推理

Youze Zheng, Jianyou Wang, Yuhan Chen, Matthew Feng, Longtian Bao, Hanyuan Zhang, Maxim Khan, Aditya K. Sehgal, Christopher D. Rosin, Umber Dube, Ramamohan Paturi

机构 * Laboratory for Emerging Intelligence, University of California, San Diego（新兴智能实验室，加州大学圣地亚哥分校） ； Department of Dermatology, University of California, San Diego（皮肤科系，加州大学圣地亚哥分校） ； University of Chicago（芝加哥大学） ； Elsevier（艾尔斯特出版社） 纠错

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

AI总结 本文提出DeepImagine框架，通过连续反事实想象训练语言模型进行生物医学推理，利用反事实对偶和强化学习提升临床试验预测性能，展示模型在生物医学领域的可解释性改进。

Comments Preprint

Consensus Measures for Unstructured Biomedical Text Annotations

非结构化生物医学文本标注的一致性度量

Pascal Wullschleger, Christian Kreis, Martin A. Walter, Jennifer Foster, Marc Pouly

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

AI总结 该研究针对生物医学非结构化文本标注的一致性量化难题，提出基于自然语言推理的折中度量方案，经实验验证多种语义等价度量的特性及局限性。

Quantization Effects on Biomedical LLM Reliability

量化对生物医学大语言模型可靠性的影响

Anton Rasmussen, Hong Qin

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

AI总结 该研究针对 Mistral-7B 变体在 PubMed RCT 句子分类任务上，评估量化及提示模板、评分规则等对生物医学大语言模型可靠性的影响，发现这些因素对校准和准确率的影响不可忽视。

Comments 8 pages, 1 figure

AutoProteinEngine: A Large Language Model Driven Agent Framework for Multimodal AutoML in Protein Engineering

AutoProteinEngine：一种用于蛋白质工程多模态自动机器学习的大语言模型驱动智能体框架

Yungeng Liu, Zan Chen, Yu Guang Wang, Yiqing Shen

专题命中 生物医学文本 ：biomedical(abstract)；分类 q-bio

AI总结 研究针对生物学家缺乏计算知识难以应用深度学习开展蛋白质工程的问题，提出AutoProteinEngine框架，集成LLMs与AutoML，经两项任务验证其性能优于传统方法，降低了深度学习应用门槛。

Multi-frequency far-field data enrichment for electromagnetic source reconstruction

用于电磁源重建的多频远场数据增强

Atyab Khalifa Al-Shaqsi, Heba Mohammed Al-Subhi, Xianchao Wang, Shujaat Khan, Abdul Wahab

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文针对电磁源重建中多频远场数据欠采样的问题，提出基于ALOHA方法的两阶段数据增强策略，实现了高子采样率和强噪声下的准确稳定重建，性能优于标准ℓ₁压缩感知基线。

Comments 22 pages, 7 figures, 4 tables

Supervised Dimensionality Reduction for Big Data

Joshua T. Vogelstein, Eric Bridgeford, Minh Tang, Da Zheng, Christopher Douville, Randal Burns, Mauro Maggioni

专题命中 生物医学文本 ：biomedical(abstract)

Comments 6 figures

Journal ref Nature Communications, volume 12, Article number 2872 (2021)

Industrial Synthetic Segment Pre-training

工业合成片段预训练

Shinichi Mae, Hirokatsu Kataoka, Ryousuke Yamada, Yoshihiro Fukuhara, Risa Shinoda, Christian Rupprecht

机构 * TICO-AIST Cooperative Research Lab for Advanced Logistics, Japan（TICO-AIST先进物流联合研究实验室，日本） ； National Institute of Advanced Industrial Science and Technology (AIST), Japan（日本国家先进工业科学与技术研究院） ； Visual Geometry Group, University of Oxford, UK（牛津大学视觉几何组） 纠错

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

AI总结 该研究提出基于FDSL的InsCore合成数据集，在不使用真实图像的情况下预训练的分割模型，在5个领域的表现与ImageNet-21k预训练模型相当，解决了工业分割模型对真实图像的依赖问题。

Automated Logging Is Language-Sensitive: A Multilingual Benchmark and Empirical Study of LLMs

单语言证据不足以支持自动化日志记录：一个多语言基准和基于LLM的实证研究

Renyi Zhong, Yichen Li, Yulun Wu, Jinxi Kuang, Yintong Huo, Michael R. Lyu

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文通过多语言基准MultiLogBench研究自动化日志记录的跨语言有效性，发现框架锚点匹配是最敏感的组件，模型排名在顶级稳定，但需多语言验证以确保鲁棒性。