医学 AI

Gated Spatial Redundancy Projection for Pathology Transformer Attentions

用于病理Transformer注意力机制的门控空间冗余投影

Zhiyuan Yang, Jiahao Cheng, Vincent Quoc-Huy Trinh, Mahdi S. Hosseini

机构 * Concordia University（康考迪亚大学） ； Université de Montréal（蒙特利尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Centre de recherche du CHUM（CHUM研究中心） 纠错

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

AI总结 针对病理Transformer自注意力的局部空间冗余失效模式，提出轻量即插即用的Gated SRP模块，在TCGA生存队列和切片分类数据集上均实现性能提升，仅增加极少量参数。

Comments Accepted at BMVC 2026 Conference

From Multi-Resolution Cells to Gigapixel Whole Slide Images Foundation Model for Computational Pathology

从多分辨率细胞到千兆像素全切片图像：用于计算病理学的基础模型

Basit Alawode, Moshira Ali Abdalla, Dwarikanath Mahapatra, Muzammal Naseer, Sajid Javed

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

AI总结 针对现有计算病理学模型泛化性受限的问题，提出多分辨率金字塔Transformer（MRPT），经多分辨率自监督预训练后，在34个数据集的多项任务中性能优于同类模型与多模态大语言模型。

Pathryoshka: Compressing Pathology Foundation Models via Multi-Teacher Knowledge Distillation with Nested Embeddings

Pathryoshka: 通过多教师知识蒸馏与嵌套嵌入压缩病理基础模型

Christian Grashei, Christian Brechenmacher, Rao Muhammad Umer, Jingsong Liu, Carsten Marr, Peter J. Schüffler, Ewa Szczurek

机构 * Technical University of Munich（慕尼黑技术大学） ； Helmholtz Munich（马克斯·普朗克研究所慕尼黑分部） ； Munich Data Science Institute（慕尼黑数据科学研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 Pathryoshka通过多教师知识蒸馏与嵌套嵌入技术，显著压缩病理基础模型规模，同时保持性能和精度，提升模型的可部署性与普及性。

Comments Author list in metadata corrected to match the paper

4$π$ Planning for the Reduction of Predicted Hematologic Toxicity Risk in Cervical Cancer Radiotherapy

用于降低宫颈癌放疗中预测血液学毒性风险的4π计划

Haotian Feng, Yan Kong, Qifan Xu, Ke Sheng

专题命中 病理影像 ：CT(abstract,abstract_cn)

AI总结 该研究针对宫颈癌共面放疗的血液学毒性风险，用114例患者数据训练模型，发现4π非共面放疗可降低骨髓等剂量，使预测HT风险降23%，为减少该毒性提供了新方案。

The Objective Is the Bottleneck: Latent World Models Encode What Their Planners Cannot Use

目标是瓶颈：潜在世界模型编码了其规划器无法使用的内容

Joyjeet Singh

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

AI总结 该研究发现潜在世界模型的规划瓶颈在于规划器目标而非预测器，通过替换目标无需额外训练即可大幅提升长视野规划性能，揭示模型编码了规划器未利用的可达性信息。

Comments Follow-up to arXiv:2608.10145. All experiments run on a laptop CPU; no model was trained or fine-tuned. Code, checkpoints and every measurement: github.com/joyjeet-singh/tinylab

Activity-dependent epidemic spreading on multiscale brain networks predicts Alzheimer's disease progression

多尺度脑网络上的活性依赖型流行病传播可预测阿尔茨海默病进展

Christoffer G. Alexandersen, Suman S. Kulkarni, Jessica T. Davis, Sebastian N. Roemer-Cassiano, Nicolai Franzmeier, Dani S Bassett

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

AI总结 该研究将神经元活性耦合到流行病动力学模型，结合多尺度脑网络分析，证实神经元活性是阿尔茨海默病病理扩散的关键驱动因素，其模型可预测疾病进展的空间模式与范围。

The Role of Natural Language Understanding in Multimodal Video-Based Dengue Diagnosis

自然语言理解在基于多模态视频的登革热诊断中的作用

Danial Sharifrazi, Saadat Behzadi, Julakha Jahan Jui, Mojtaba Mohammadi, Nouman Javed, Roohallah Alizadehsani, Prasad N. Paradkar, Asim Bhatti

专题命中 医疗多模态 ：diagnosis(title)；分类 cs.CV

AI总结 本研究提出基于YOLO和CLIP的视觉-语言框架，从视频中分类未受感染与DENV2感染的蚊子，帧级准确率达98.54%、灵敏度达99.91%，证实该框架可用于分析感染相关生物行为。

Can Generalist Vision Language Models (VLMs) Rival Specialist Medical VLMs? Benchmarking and Strategic Insights

通用视觉语言模型（VLMs）能否在医疗领域超越专门化模型？基准测试与战略洞察

Yuan Zhong, Ruinan Jin, Qi Dou, Xiaoxiao Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

专题命中 医疗多模态 ：clinical AI(abstract)；diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 研究比较了通用与专门化医疗VLMs的性能，发现高效微调的通用模型在多数任务中表现可比或更优，尤其在处理未见医疗模态时。

Comments version 5

Novel Knowledge-Guided Generative Methods for Synthetic Transcriptomic Data

面向合成转录组数据的新型知识引导生成方法

Francesca Pia Panaccione, Sofia Mongardi, Marco Masseroli, Pietro Pinoli

机构 * Politecnico di Milano（米兰理工大学） 纠错

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

AI总结 该研究针对转录组数据的获取限制，提出并基准测试三种生成对抗网络变体，其中MK-TGAN模型结合图神经网络整合先验知识，生成的合成转录组数据真实性与实用性更优。

Class Geometry as Supervision for Sample-Efficient Open-World Detection

类别几何作为样本高效开放世界检测的监督信号

Akash Rao, Zhou Chen, Revanth Reddy Palem, Udhav Ramachandran, Ruth Scimeca, Sathyanarayanan N. Aakur

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

AI总结 该研究针对开放世界目标检测的数据稀缺挑战，提出类别几何监督（CGS）框架，通过保留类别间关系结构提升样本效率，在多任务场景中验证了其有效性。

Comments Under review. 12 Pages, 5 figures, 4 tables

SpinCastML an Open Decision-Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling and Inverse Monte Carlo Approach

SpinCastML：一种用于电纺制造逆向设计的开源决策应用：一种机器学习、最优采样和逆蒙特卡洛方法

Elisa Roldan, Tasneem Sabir

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

AI总结 SpinCastML通过机器学习和逆蒙特卡洛方法实现电纺逆向设计，整合化学约束和分布感知，提高纤维直径预测精度和设计效率。

Comments Paper published at https://doi.org/10.1021/acsomega.6c07333. The associated software developed in this study is released under the GNU GPL 3.0 license and is openly available as a citable archive at https://doi. org/10.5281/zenodo.18557989

Journal ref Elisa Roldan, Tasneem Sabir; SpinCastML An Open Decision Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling, and Inverse Monte Carlo Approach. ACS Omega 2026

SchemaLink: An Intelligent Web Editor for LinkML Schema Curation

SchemaLink：用于LinkML模式管理的智能Web编辑器

Emanuele Cavalleri, Paolo Perlasca, J. Harry Caufield, Justin Reese, Christopher J. Mungall, Marco Mesiti

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出基于Web的SchemaLink，通过图形化语言和RAG方法简化LinkML模式的设计与管理，生成高质量模式，相关资源开源提供。

Research Assistant: AstraZeneca's Agentic System for R&D

研究助手：阿斯利康的研发智能体系统

Piotr Grabowski, Mohamed Alameen, Jorge Bretones, Sabina Cardell, Miguel Carmona, Gavin Edwards, Ben Grainger, Sameh Hassan, Erik Jansson, Artur Kuziakhmetov, Albert Maristany, Hebatallah Mohamed, Andriy Nikolov, Sebastian Nilsson, Mark O'Donoghue, James Pacileo, Ashiq Sultan, Alex Voegele, Michael Ughetto

机构 * AstraZeneca（阿斯利康） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 阿斯利康研发了基于LLM的智能体系统Research Assistant，整合多类生物医学数据，支持两种问答模式，可溯源证据，为研发工作提供支持。

Comments 16 pages, 3 figures

Personalized Scorer Modeling: A Learning-Based Framework for Deriving Robust Sleep Stage Labels from Multiple Experts

个性化评分者建模：一种基于学习的框架，用于从多位专家处推导鲁棒的睡眠阶段标签

Seyyed Ali Hoseini, Javad Baseri, Hamid Saadatfar, Edris Hoseini Gol, AmirHossein Eshghi

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本研究提出基于学习的个性化评分者建模框架 LBH，利用多评分者数据集构建更可靠的睡眠阶段参考标签，在 DOD-H、DOD-O 数据集上较基线方法提升了睡眠分期性能。

Doctorina MedBench: A Dialogue-Based Benchmark and Evaluation Framework for Agent-Based Medical AI

Doctorina MedBench：基于真实医患交互的医疗AI端到端评估框架

Anna Kozlova, Stanislau Salavei, Pavel Satalkin, Hanna Plotnitskaya, Sergey Parfenyuk, Andy Nkansah

机构 * A.I. Doctor Medical Assist LTD（A.I. Doctor Medical Assist有限公司） 纠错

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

AI总结 Doctorina MedBench通过模拟真实医患对话评估医疗AI系统，包含诊断、观察、治疗和步骤计数四项指标，用于评估临床正确性和对话效率，同时支持多层级测试和质量监控。

MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination

MARC v1：一个用于临床AI推理与协作的开源多智能体框架

Saisha Shetty, Satvik Tripathi, Austin Lin, Colin Zhao, Theodore Kim, Don Enwerem, Jacinta Arnold, Shahriar Faghani, Tessa S Cook

专题命中 医学数据与评测 ：clinical AI(title)

AI总结 该研究提出开源多智能体框架MARC v1，以确定性多智能体编排替代整体式LLM提示用于临床推理，含角色专业化智能体与分解器模块，支持多部署方式，具备模型无关、可解释等特性。

Comments 13 pages, 4 figures

HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark

HumanTracker：面向全面且与人类对齐的运动跟踪基准

Dairu Liu, Zekun Qi, Jiayu Zeng, Ruixi Yu, Yu Guan, Yintianrun Zhang, Xuchuan Chen, Sikai Liang, Zekai Li, Chenghuai Lin, Xinqiang Yu, Wenyao Zhang, He Wang, Li Yi

机构 * Nankai University（南开大学） ； Tsinghua University（清华大学） ； Galbot ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

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

AI总结 针对人形运动跟踪评估与人类感知不符、基准多样性不足的问题，提出HumanTracker基准及偏好对齐指标HumanScore，该指标可更好预测人类偏好并揭示运动学指标遗漏的接触与稳定性故障。

Comments Accepted to ECCV 2026

Motor, Cognitive, or Corpus? What Survives Cross-Lingual Transfer in Speech-Based Parkinsons Disease Detection

运动、认知还是语料？基于语音的帕金森病检测中跨语言迁移能保留什么

Serli Kopar, Sam Gijsen, Abner Hernandez, Paula Andrea Perez-Toro, Kerstin Ritter

机构 * Hertie Institute for AI in Brain Health, University of Tübingen（蒂宾根大学赫蒂脑健康人工智能研究所） ； Tübingen AI Center, University of Tübingen（蒂宾根大学蒂宾根人工智能中心） ； Charité–Universitätsmedizin（夏里特医学院） ； Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

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

AI总结 该研究通过对9个SSL语音骨干的分层分析，探究跨语言迁移中保留的语音特征类型，发现层选择依赖语料库且迁移信号缺乏病理特异性，明确了基于语音的PD检测模型的关键局限。

AnchorSIPS: A Synthetic Dataset and Evaluation Resource for Evidence-Supported Psychosis-Risk Symptom Measurement

AnchorSIPS：用于证据支持的精神病风险症状测量的合成数据集与评估资源

Guilherme C. Oliveira, Stephanie Fong, Zimu Wang, Clarice Lee, Xiangyu Zhao, Duy Khoa Pham, Duong Nhu, Yiwen Jiang, Jiahe Liu, Zhongxing Xu, Dwarikanath Mahapatra, Dominic Dwyer, Zongyuan Ge

机构 * Monash University（莫纳什大学） ； Orygen（奥瑞金） ； The University of Melbourne（墨尔本大学） ； Swinburne University of Technology（斯威本科技大学） ； University of Liverpool（利物浦大学） ； Khalifa University（哈利法大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出AnchorSIPS合成数据集，基于Mini-SIPS访谈构建含1万次结构化精神病风险访谈，解决临床数据隐私问题，用于研究证据提取等，实验发现LLM基线存在细节提取不足问题。

Toward Federated Large Language Models in Medicine: A Parameter-Efficient Framework for Privacy-Preserving, Multi-Institutional Adaptation

一种联邦学习和参数高效的大型语言模型在医学中的训练框架

Anran Li, Yuanyuan Chen, Wenjun Long, Yu Yin, Yan Hu, Hyunjae Kim, Weipeng Zhou, Yujia Zhou, Hongyi Peng, Yang Ren, Xuguang Ai, Zhenyue Qin, Ming Hu, Xiaoxiao Li, Han Yu, Yih-Chung Tham, Lucila Ohno-Machado, Hua Xu, Qingyu Chen

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 本文提出Fed-MedLoRA框架，通过低秩适配器参数实现医学LLM的联邦学习，提升跨机构异质性下的模型收敛性和泛化能力。

Comments 41 pages, 11 tables, 3 figures; Just accepted