医学 AI

Volume-Surface-Wire Integral Equations for EEG Source Imaging

用于EEG源成像的体积-表面-导线积分方程

Paolo Ricci, Maxime Monin, Alessandro Mascherin, Adrien Merlini, Francesco P. Andriulli

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 该研究提出基于混合体积-表面-导线积分公式的EEG源成像框架，可实现白质各向异性贡献的神经束感知建模，与FEM参考解吻合度高，兼具鲁棒定位性能与交互式可视化能力。

Comments 15 pages, 7 figures

DNA Methylation Profiling in Melanoma: From Lesion Classification to Therapeutic Stratification

黑色素瘤中的DNA甲基化谱分析：从病变分类到治疗分层

Jana T. Winterstein, Lukas Heinlein, Günter Raddatz, Carina Nogueira Garcia, Sarah Haggenmüller, Christoph Wies, Lucas Schneider, Annemarie Hoffsommer, Tim J. Zeuner, Friedegund Meier, Sarah Hobelsberger, Frank F. Gellrich, Mildred Sergon, Axel Hauschild, Lucie Heinzerling, Justin G. Schlager, Kamran Ghoreschi, Max Schlaak, Franz J. Hilke, Carola Berking, Markus V. Heppt, Michael Erdmann, Sebastian Haferkamp, Konstantin Drexler, Dirk Schadendorf, Wiebke Sondermann, Matthias Goebeler, Bastian Schilling, Daniel B. Lipka, Stefan Fröhling, Felix Sahm, Jakob N. Kather, Yuri Tolkach, Jochen S. Utikal, Benjamin Izar, Yevgeniy R. Semenov, Titus J. Brinker

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 本研究基于1001份组织样本，用Illumina Infinium MethylationEPIC芯片分析DNA甲基化，构建CpG分类器区分黑素细胞痣、非侵袭性与侵袭性黑色素瘤，还构建生物学导向特征模型预测治疗分组，证实甲基化可作为诊断和治疗分层的生物标志物。

Targeted Iterative Filtering

定向迭代滤波

Freddie Åström, Michael Felsberg, George Baravdish, Claes Lundström

机构 * Linköping University（林雪平大学） ； Center for Medical Image Science and Visualization（医学影像科学与可视化中心） ； Sectra AB（赛特拉公司） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 针对不同应用领域对图像去噪的差异化要求，提出源自应用确定值空间线性扩散的新型非线性扩散方案，其性能优于现有同类技术。

Retrieval-Augmented Visual Prompting: Guiding Foundation Models in Two-Photon Imaging

检索增强型视觉提示：引导基础模型用于双光子成像

Salvatore Calcagno, Marco Finocchiaro, Giovanni Bellitto, Daniela Giordano, Concetto Spampinato, Federica Proietto Salanitri

机构 * University of Catania（卡塔尼亚大学） 纠错

专题命中 医学影像 ：biomedical(abstract)；分类 cs.CV

AI总结 该研究提出RAVP框架，通过在推理阶段注入外部视觉记忆引导基础模型，经Allen Brain Observatory实验验证，可提升零样本神经元检测与实例分割性能，单示例提示效果优于多示例。

Comments 14 pages, 4 figures, 6 tables. Supplementary material included

Radiologist-Guided Causal Concept Bottleneck Models for Chest X-Ray Interpretation

放射科医生引导的因果概念瓶颈模型用于胸部X光解读

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

机构 * University of Edinburgh（爱丁堡大学） ； NHS Lothian（洛锡安国家健康服务） 纠错

专题命中 医学影像 ：pathology(abstract)；分类 cs.CV

AI总结 本文提出XpertCausal模型，通过放射科医生指导的因果方法改进胸部X光解读的可解释性，通过概率性噪声或框架建模病理到概念关系，提升诊断准确性与临床相关性。

Clinically Aware Synthetic Image Generation for Concept Coverage in Chest X-ray Models

临床感知的合成图像生成用于胸部X光模型的概念覆盖

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

机构 * University of Edinburgh（爱丁堡大学） ； NHS Lothian（洛锡安国家健康服务） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 提出CARPA框架，通过解剖约束的概念扰动生成合成胸部X光图像，扩展临床概念覆盖，提升模型性能与可靠性。

Comments Accepted for presentation at the IJCAI-ECAI 2026 RobustifAI workshop

DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights

DRBD-Mamba用于鲁棒且高效的脑肿瘤分割与分析洞察

Danish Ali, Ajmal Mian, Naveed Akhtar, Ghulam Mubashar Hassan

机构 * The University of Western Australia（西澳大学） ； The University of Melbourne（墨尔本大学） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 DRBD-Mamba通过双分辨率双向Mamba模型实现高效鲁棒的脑肿瘤分割，采用空间填充曲线和门控融合模块提升特征表示，取得更高的Dice分数和15倍效率提升。

COLORA: Efficient Fine-Tuning for Convolutional Models with a Study Case on Optical Coherence Tomography Image Classification

COLORA：面向卷积模型的高效微调方法及在光学相干断层扫描图像分类中的应用案例

Mariano Rivera, Angello Hoyos

机构 * Centro de Investigación en Matemáticas, A.C. (CIMAT)（数学研究所（CIMAT）） 纠错

专题命中 医学影像 ：medical image(abstract)；分类 cs.CV

AI总结 该研究提出参数高效微调方法CoLoRA，可减少卷积模型80%以上可训练参数，在医学及非医学图像分类任务中实现性能与效率的良好平衡，为卷积模型全量微调提供替代方案。

Comments 15 pages, 13 figures

Orbital instability of solitary waves for the generalized BBM equation at the negative critical endpoint

Cui Ning

专题命中 医学影像 ：CT(abstract)

Comments 24 pages

Tensor-normal maximum likelihood estimation at the operator-norm sample threshold

算子范数样本阈值下的张量正态极大似然估计

Hengzhi He, Guang Cheng

专题命中 医学影像 ：CT(abstract_cn)

AI总结 本文针对协方差为克罗内克积的高斯张量，将张量正态极大似然估计的样本阈值中$d_{\rm max}$的三次依赖改进为二次依赖，达到信息论最优，解决了前期工作提出的开放问题。

Comments Work in Progress

When the Edit Changes the Patient: Measuring Identity Preservation in Counterfactual Retinal Images

当编辑改变患者时：在反事实视网膜图像中测量身份保留情况

Andrea Posada, Wenke Karbole, Bach Ngoc Doan, Alexander Weers, Solmaz Abdolrahimzadeh, Maria Patsiamanidi, Kahkashan Haider, Vaishali Khare, Daniel Rueckert, Andrew Lotery, Sobha Sivaprasad, Martin J. Menten

机构 * Technical University of Munich（慕尼黑工业大学） ； TUM University Hospital（慕尼黑工业大学医院） ； Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； Sapienza University of Rome（罗马第一大学） ； Faculty of Medicine, University of Southampton（南安普顿大学医学院） ； Moorfields Eye Hospital NHS Foundation Trust（摩尔菲尔兹眼科医院NHS信托基金） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 临床大模型 ：medical image(abstract)；分类 cs.CV

AI总结 本研究针对视网膜OCT图像，用裁判分类器等方法对比三类文本条件编辑方法的身份保留效果，发现配对训练法身份保留最佳，建议未来医学反事实生成需明确报告身份保留情况。

Role-Specialized Mixture-of-Agents with Open-Weight LLMs for Clinical Prediction

采用开源权重大语言模型的角色专业化智能体混合架构用于临床预测

Jun Hou, Yi Fang, Xuan Wang

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 临床大模型 ：clinical LLM(abstract)；分类 cs.LG

AI总结 该研究提出角色专业化的开源权重智能体混合架构，结合医学知识检索与相似患者推理，在死亡率预测上媲美闭源模型且标记更多高危患者，为隐私约束下的临床LLM预测提供关键角色设计思路。

Comments COLM 2026 DAIH Workshop

Scaling Electronic Health Record Foundation Models for Population Health Management

面向人群健康管理的电子健康记录基础模型规模化研究

Liwen Sun, Hao-Ren Yao, Ophir Frieder, Xiang Qian, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgetown University（乔治城大学） 纠错

专题命中 临床大模型 ：biomedical(abstract)；分类 cs.LG

AI总结 该研究提出面向人群健康管理的电子健康记录基础模型，跨500万患者数据预训练，在11项慢性病预测任务及EHRShot基准中表现优于同类模型，将开源代码。

MediSkill-Evo: Process-Constrained Self-Evolution for Evidence-Grounded Clinical Interaction

MediSkill-Evo：面向证据依据的临床交互的过程约束自进化

Ruoyu Wu, Shenfu Xie, Yinqian Sun, Haibo Tong, Feifei Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Institute of AI Safety and Governance（北京人工智能安全与治理研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 MediSkill-Evo是无需主干微调的临床智能体，通过四类经验存储库与过程约束偏好工具优化，在多维度评估中提升了诊断准确率等指标，验证了其临床交互性能。

Teaching LLMs How ICU Physicians Approach Clinical Reasoning Through OMOP-Aligned Retrieval Improves Reasoning Across Clinical Domains

通过OMOP对齐检索教导大型语言模型（LLM）采用ICU医师的临床推理方式可提升跨临床领域的推理能力

Miguel Contreras, Scott Siegel, Subhash Nerella, Jessica Sena, Jiaqing Zhang, Heng Sun, Hruday Tej Akkaladevi, Peiyu Lu, Jordan Rosen, Sumit Kapoor, Sasank Desaraju, Grace R. Thompson, Jacob Purcell, Michael Petrauskis, Philip KW. Hong, Meghan Brennan, Sarah Chrabaszcz, Tierra Smith, Ronnie Ren, Michel S. Kabbash, Ceyhun Haziroglu, Rushi Patel, Gabriel Gomez, Charlotte Chaiklin, Randy Leung, Kenneth N. John, Whitman Wiggins, Philip Kayser, Vincent Bird, Maria Bruzzone, Tyler J. Loftus, Azra Bihorac, Parisa Rashidi

机构 * University of Florida（佛罗里达大学） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 本研究开发ICU-REACT推理数据集并微调Clin-REACT模型，使其学习ICU医师的临床推理方式，该模型在五个临床推理基准中表现优于多款模型，可提升跨领域临床推理能力。

GraphMed-LT: Patient-Specific Graph Memory with Latent Clinical Thought Refinement for Multi-Turn Medical Conversations

GraphMed-LT：面向多轮医疗对话的具有潜在临床思维优化的患者特定图记忆

Zhaohan Meng, Zaiqiao Meng, Siwei Liu, Hao Xu, Ke Yuan, Iadh Ounis

机构 * School of Computing Science, University of Glasgow, UK（格拉斯哥大学计算机科学学院） ； School of Natural and Computing Science, University of Aberdeen, UK（阿伯丁大学自然与计算科学学院） 纠错

专题命中 临床大模型 ：diagnosis(abstract)

AI总结 该研究针对多轮医疗对话中临床证据分散的问题，提出GraphMed-LT方法，通过患者特定图记忆及潜在临床思维优化，在多轮医疗QA任务上较基线实现显著提升。

Comments Accepted to EMNLP 2026

Extending the Horizon of Early Diagnosis: Lung Cancer Prediction with Vision Transformers

拓展早期诊断的视野：利用视觉Transformer进行肺癌预测

Olivera Kotevska, Ian Goethert, Michael McGee, Maria Mahbub, Sean R. Wilkinson, Rowena Yip, Myvizhi Esai Selvan, Zeynep H. Gumus, Claudia Henschke, Robert J. Klein, Providencia Morales, Samuel M Aguayo, Ioana Danciu, Mayanka Chandrashekar

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） ； Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院） ； Phoenix VA Medical Center（凤凰城退伍军人事务医疗中心） ； Vanderbilt University Medical Center（范德堡大学医学中心） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 该研究利用视觉Transformer（ViTs）分析259361张胸部X光片，通过解决类别不平衡优化模型，实现临床诊断前1-2年的肺癌预测，预训练ViTs性能优于从头训练模型，为早期肺癌风险预测提供了潜力。

Reconciling Consistency-Based Diagnosis with Actual-Causality-Based Explanations

协调一致性诊断与实际因果性解释

Leopoldo Bertossi

机构 * Carleton University（卡尔顿大学） ； Western University（西方大学） ； IMFD（智利国家数学与计算机科学研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 从可解释AI视角探讨一致性诊断与实际因果性解释的联系，揭示其对XAI和可解释数据管理的潜在影响。

Comments Several typos fixed, and remarks added. To appear in Proc. of The 17th International Conference on Scalable Uncertainty Management (SUM'26), Springer LNCS, 2026

MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM

MACD: 基于自学习知识的多智能体临床诊断

Wenliang Li, Rui Yan, Xu Zhang, Li Chen, Hongji Zhu, Jing Zhao, Junjun Li, Mengru Li, Wei Cao, Zihang Jiang, Wei Wei, Kun Zhang, Shaohua Kevin Zhou

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 MACD通过多智能体框架实现LLM自学习临床知识，提升诊断准确率，与医生单独诊断相比表现更优，展示人机协作的协同潜力。

CRANE-LLM: Runtime-Augmented LLMs for Crash Prediction and Diagnosis in ML Notebooks

运行时增强的LLM用于ML笔记本的崩溃检测与诊断

Yiran Wang, José Antonio Hernández López, Ulf Nilsson, Dániel Varró

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 CRANE-LLM通过整合运行时信息提升ML笔记本崩溃检测与诊断的准确性与F1分数。

ClinicalGPT-R1: Pushing reasoning capability of generalist disease diagnosis with large language model

ClinicalGPT-R1：利用大语言模型提升全科疾病诊断的推理能力

Wuyang Lan, Wenzheng Wang, Changwei Ji, Guoxing Yang, Yongbo Zhang, Xiaohong Liu, Luonan Chen, Shengge Li, Song Wu, Guangyu Wang

专题命中 诊断辅助 ：diagnosis(title,abstract)

AI总结 本文提出ClinicalGPT-R1，经20000条临床记录训练，在MedBench-Hard基准测试中，其中文诊断性能优于GPT-4o、英文性能与GPT-4相当，提升了疾病诊断的推理能力。

Comments 8 pages, 6 figures

From Diagnosis to Redesign: Using Quantitative Ethnography to Improve Multi-Agent LLM Reasoning

从诊断到重新设计：使用定量人种志改进多智能体大语言模型推理

Vedant Khatri, Anthony Cusimano, Zachari Swiecki, Zhen Xu, Xiner Liu, Renzhe Yu

机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Monash University（莫纳什大学） ； Columbia University（哥伦比亚大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 诊断辅助 ：diagnosis(title)

AI总结 本研究提出定量人种志方法，以自动作文评分为例，通过分析五智能体辩论系统的交互模式诊断问题并修改提示词，使多智能体LLM的评分准确率从27.78%提升至40.28%。

Comments Accepted at ICQE 2026 (to appear in Springer CCIS)

A Source-Grounded Framework for Constructing and Evaluating Progressive Multimodal Diagnostic Dialogues from Clinical Case Reports

基于来源的从临床病例报告构建和评估渐进式多模态诊断对话的框架

Yufan Wang, Rui Yang, Yi Liu, Yi Lin, Yifan Peng

机构 * Weill Cornell Medicine（威尔康奈尔医学院） 纠错

专题命中 诊断辅助 ：medical image(abstract)；diagnosis(abstract)

AI总结 该研究提出基于来源的框架用于构建渐进式多模态诊断对话，并评估MLLMs的诊断推理能力，实验显示所提框架转换病例报告的参考对话表现优异，而前沿MLLMs的相关指标显著更低。

Comments Accepted to IEEE HealthCom 2026, Distinguished Invited Papers Track

AutoSaddler: Automatic Harness Optimization with Durable Updates from Agent Execution Traces

AutoSaddler：基于智能体执行轨迹的持久化更新的自动工具优化

Sungho Park, Wonjoong Kim, Rongyuan Tan, Jue Zhang, Wook-Shin Han, Pengfei Gao, Chanyoung Park, Yongqiang Yao, Rao Fu, Elsie Nallipogu, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * KAIST（韩国科学技术院） ； Southern University of Science and Technology（南方科技大学） ； Microsoft（微软） ； POSTECH（浦项科技大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 AutoSaddler是基于智能体执行轨迹的自动工具优化框架，通过离线学习结合故障诊断等技术，在多个基准上提升智能体性能9.0-10.0个百分点，为构建更可靠的智能体系统提供了新方向。

Comments 44 pages, 15 figures. Project website and code: this https URL (https://aka.ms/AutoSaddler-website)

SANE: State Anomaly Neutralization for Stable Extreme-Context Delta-Rule Models

SANE：用于稳定极端上下文Delta规则模型的状态异常中和

Qingwen Lin, Boyan Xu, Xiao Liu, Zhifeng Hao, Ruichu Cai

机构 * College of Science, Shantou University（汕头大学理学院） ； Yuanshi Intelligence（元氏智能） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对Delta规则循环模型在极端上下文外推下的局部范数爆炸问题，提出SANE方法，在安全阈值下可稳定长序列推理且性能不下降，过松阈值会导致推理能力丧失。

Sparse Multi-Stage Expert-Agent Routing for Complex Clinical Reasoning

面向复杂临床推理的稀疏多阶段智能体专家路由机制

Sike Xiang, Shuang Chen, Qian sun, Jia Cheng, Yusi Wei, Amir Atapour-Abarghouei

机构 * Durham University（杜伦大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出Sparse Multi-Stage Expert-Agent Routing框架，通过自适应激活稀疏专家智能体实现高效临床推理，引入ClinFEScore评估协议，在200例真实MDT病例上达91.5%诊断准确率，激活专家数从17.0降至3.0。

Elimination Geometry

消元几何

Mian Huang, Xueqin Wang

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本专著提出消元几何（EG）框架，用于研究局部最优对象的共享部署规则实现问题，整合多学科工具，其应用涵盖模型选择、预测等领域，可指导架构修复。

HandSplatter: Automated Digital Goniometry from Neural Rendering

HandSplatter：基于神经渲染的自动数字测角术

Emmett Chen, Neal Chen, Xiang Li, Quanzheng Li, Siyeop Yoon

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 针对手动测角术低效、信度差及现有软件方法精度不足的问题，提出结合2D特征提取与视图合成的神经渲染新流程，引入离散密度爬山算法修正3D地标，实现自动数字测角，为手部功能评估提供可靠工具。

Comments Accepted for publication in the Proceedings of the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026), Full Paper #1985

Correcting Variable Importance Scored by Random Forests

修正随机森林产生的变量重要性评分

Guancheng Zhou, Haiping Xu, Jason Liu, Donghui Yan

机构 * Computer and Information Science（计算机与信息科学） ； Mathematics and Data Science（数学与数据科学） ； University of Massachusetts, Dartmouth, MA（马萨诸塞大学达特茅斯分校） ； The Rivers School, Weston, MA（韦斯特on学校的河流学校） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对随机森林变量重要性受变量间相关性影响的问题，提出基于条件相关性的分组方法进行修正，实验证明两种计算高效方案均能有效校正变量重要性。

Comments 22 pages, 10 figures

DuoGNN: Topology-aware Graph Neural Network with Homophily and Heterophily Interaction-Decoupling

DuoGNN：具备同质性与异质性交互解耦的拓扑感知图神经网络

K. Mancini, I. Rekik

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 针对GNN过平滑、过压缩及泛化差的问题，提出拓扑感知的DuoGNN，通过解耦同/异质性边的双聚合流水线实现提升，在多类节点分类任务中表现优于变体。