医学 AI

Multimodal risk trajectories reveal heterogeneous paths to dementia

多模态风险轨迹揭示痴呆的异质性路径

Zhiqi Lee, Haowen Li, Tao Liu, Shiyuan Zhang, Bingjie Wang, Jinzhao Fan, Yunkai Zhang, Zhuonan Wang, Lijun Bai

专题命中 医疗多模态 ：diagnosis(abstract)；分类 q-bio

AI总结 该研究开发多模态框架NetMoint，整合多组学与影像数据预测不同痴呆亚型的个体化长期风险，识别出小比例高风险群体及其特异性分子特征，为痴呆风险分层提供新方法。

GRAFT: Grounded and Efficient Online Reinforcement Adaptation for Fine-Grained Robot Manipulation

GRAFT：面向精细机器人操作的 grounded 高效在线强化适应

Yibo Qiu, Haoliang Ye, Shu'ang Sun, Zan Huang, Ronald X Xu, Mingzhai Sun

机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院） ； School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学生命科学与医学部生物医学工程学院） 纠错

专题命中 医疗多模态 ：biomedical(abstract)

AI总结 GRAFT是一种高效在线VLA适应框架，通过特定视角视觉锚点聚焦任务相关线索，在四项生物医学操作任务中提升25个百分点成功率并降低计算开销。

Self-Reflective Multi-modal Reasoning for Short-Video Fake News Detection

用于短视频假新闻检测的自反思多模态推理

Pinjie Xu, Yuzhou Yang, Zhikai Tan, Qichao Ying, Zaiyang Yu, Ce Li, Zhenxing Qian

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 针对短视频假新闻检测的挑战，提出SRM-FND框架，通过自反思多模态推理及相关机制，在FakeSV和FakeTT数据集上实现优于强基线的检测性能。

Modular Expert Merging for Biomedical Retrieval

更少微调，更好检索：通过合成数据和模型合并重新思考LLM适应于生物医学检索器

Sameh Khattab, Jean-Philippe Corbeil, Osman Alperen Çinar-Koraş, Amin Dada, Julian Friedrich, Jiawei He, Douglas Teodoro, Jens Kleesiek

机构 * IKIM, University Hospital Essen（IKIM，埃森大学医院） ； Microsoft Healthcare & Life Sciences（微软医疗与生命科学） 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STM框架，通过合成数据和模型合并提升生物医学检索性能，实验显示在任务特定专家上提升23.5%并优于基线模型。

Comments Accepted to Findings of EMNLP 2026

Drift-Adaptive ICU Intervention Prediction: Freezing the Physiological Encoder for Auditable Model Updating

重症监护室时间序列预测中的生物失忆：一种具有时间检索的漂移自适应双流架构

Fatema Ferdous Tamanna, K. M. Merajul Arefin, Md. Abdul Masud

机构 * Patuakhali Science and Technology University（帕图阿卡利科学技术大学） ； University of Dhaka（达卡大学） 纠错

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

AI总结 研究重症监护室时间序列预测中临床决策支持系统退化问题，提出自适应临床智能架构，通过解耦生理与治疗表征、限制参数更新等实现漂移自适应，实验验证其有效性，为高风险临床环境中部署自适应模型提供模板。

Comments v3: strengthened retrieval analysis rank-biased overlap and paired randomization tests for Run B vs Run C, with a difference-in-differences localising the advantage to the frozen physiology stream; methods clarifications throughout. 12 pages, 4 figures, 7 tables. Under review

Time-Varying Spiky Wave-Shape Functions for Non-Stationary Signal Decomposition

用于非平稳信号分解的时变尖峰波形函数

Marcelo A. Colominas, Hau-Tieng Wu

专题命中 健康监测 ：biomedical(abstract)；分类 eess.SP

AI总结 该研究提出尖峰形状自适应模式分解（SSAMD）框架，针对非平稳尖峰信号分解，结合PCA参数化与熵正则化，在生物医学信号验证中实现去噪、波形跟踪等功能，克服现有模型局限。

Graph-Based Pseudo-multimodal Contrastive Learning for 12-Lead ECG Representations

基于图的伪多模态对比学习用于12导联心电图表征

Mengyu Wang, Kozo Okada, Takafumi Goto, Natsuko Jinba, Hiroki Yamaya, Kiyoshi Hibi, Tomoki Hamagami

机构 * Yokohama National University（横滨国立大学） ； Yokohama City University Medical Center（横滨市立大学医学中心） ； Fukuda Denshi Co.,Ltd（福田电子株式会社） 纠错

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

AI总结 针对现有12导联ECG分析方法难以捕捉导联间依赖与全局模式的问题，提出Graph-CMMC框架，通过将ECG波形转换为GADF图像构建伪多模态表征，结合图关系模块建模导联间依赖，在冠状动脉闭塞分类任务上取得了有竞争力的性能。

Comments 7 pages, 7 figures. Presented at the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026)

Evaluator-Dependent Patient-Adaptive ECG Lead-Channel Allocation

依赖评估器的患者自适应心电图导联-通道分配

Xiaoyang Li, Zeyan Tao

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

AI总结 该研究在PTB-XL数据集上证实，自适应心电图通道分配策略的性能依赖于所用诊断评估器，联合优化感知与诊断系统仍是未解决的问题。

VIPER: An Expert-Curated Benchmark for Vision-Language Models in Veterinary Pathology

VIPER：用于兽医病理学视觉语言模型的专家策划基准

Luca L. Weishaupt, Simone de Brot, Javier Asin, Llorenç Grau-Roma, Nic G. Reitsam, Andrew H. Song, Dongmin Bang, Stefan T. Kaluziak, Long Phi Le, Jakob Nikolas Kather, Faisal Mahmood, Guillaume Jaume

机构 * Harvard-MIT HST（哈佛-麻省理工卫生科学与技术部） ； Mass General Brigham（麻省总医院布里格姆医疗系统） ； Harvard Medical School（哈佛医学院） ； COMPATH, University of Bern（伯尔尼大学COMPATH） ； UC Davis（加州大学戴维斯分校） ； University of Augsburg（奥格斯堡大学） ； UT MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） ； TU Dresden（德累斯顿工业大学） ； University of Lausanne（洛桑大学） 纠错

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

AI总结 研究针对现有病理视觉语言模型基准聚焦人体组织的问题，推出首个兽医病理学视觉语言模型评估基准VIPER，测试16类模型发现领域差距，验证领域特定训练的重要性。

Personalized Federated Learning for Tensor Regression

面向张量回归的个性化联邦学习

Kejun Chen, Xianqi Wei, Qianqian Zhu

专题命中 医学数据与评测 ：MRI(summary_cn,abstract)

AI总结 本文针对多机构张量数据的隐私、高维性和客户端异质性问题，提出个性化联邦张量回归框架，经模拟和MRI-ADHD实验验证其性能优于纯局部方法。

A Very Big Video Reasoning Suite

一个非常大的视频推理套件

Maijunxian Wang, Ruisi Wang, Juyi Lin, Ran Ji, Thaddäus Wiedemer, Qingying Gao, Dezhi Luo, Yaoyao Qian, Lianyu Huang, Zelong Hong, Jiahui Ge, Qianli Ma, Hang He, Yifan Zhou, Lingzi Guo, Lantao Mei, Jiachen Li, Hanwen Xing, Tianqi Zhao, Fengyuan Yu, Weihang Xiao, Yizheng Jiao, Jianheng Hou, Danyang Zhang, Pengcheng Xu, Boyang Zhong, Zehong Zhao, Gaoyun Fang, John Kitaoka, Yile Xu, Hua Xu, Kenton Blacutt, Tin Nguyen, Siyuan Song, Haoran Sun, Shaoyue Wen, Linyang He, Runming Wang, Yanzhi Wang, Mengyue Yang, Ziqiao Ma, Raphaël Millière, Freda Shi, Nuno Vasconcelos, Daniel Khashabi, Alan Yuille, Yilun Du, Ziming Liu, Bo Li, Dahua Lin, Ziwei Liu, Vikash Kumar, Yijiang Li, Lei Yang, Zhongang Cai, Hokin Deng

机构 * University of California, Berkeley（加州大学伯克利分校） ； Nanyang Technological University（南洋理工大学） ； Northeastern University（东北大学） ； University of Tübingen（图宾根大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Michigan（密歇根大学） ； University of Southern California（南加州大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； University of Texas at Austin（得克萨斯大学奥斯汀分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Cornell University（康奈尔大学） ； San Jose State University（圣何塞州立大学） ； University of California, Irvine（加州大学尔湾分校） ； Technical University of Munich（慕尼黑技术大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Imperial College London（伦敦帝国学院） ； University of Wisconsin--Madison（威斯康星大学麦迪逊分校） ； University of Edinburgh（爱丁堡大学） ； Hong Kong University of Science（香港科学大学） ； New York University（纽约大学） ； Auburn University（阿伯丁大学） ； Columbia University（哥伦比亚大学） ； University of Bristol（布里斯托大学） ； University of Waterloo（滑铁卢大学） ； The Chinese University of Hong Kong（香港中文大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 VBVR数据集和评估框架旨在解决视频推理能力研究中的大规模数据缺乏问题，通过大规模实验观察到对未见任务的泛化能力。

Comments Homepage: this https URL (https://video-reason.com/?v=vbvr)

Towards Interpretable Depression Detection: Linking Acoustic Features to DSM-5 Indicators

面向可解释的抑郁检测：将声学特征与DSM-5指标关联

Jonas Länzlinger, Katharina O.E. Müller, Burkhard Stiller, Bruno Rodrigues

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 该研究提出透明关联框架，将语音声学特征映射到DSM-5抑郁指标，在DAIC-WOZ上初步验证了声学特征与相关指标的关联，实现可解释且隐私保护的抑郁检测。

An Accurate and Single-Communication Federated Inference Algorithm

一种准确的单通信联邦推理算法

Laura Montagnani, Anthony CC Coolen, Marianne A Jonker

专题命中 医学数据与评测 ：biomedical(abstract)

AI总结 该研究针对跨机构联合分析的隐私与效率问题，提出基于三阶泰勒展开的单通信联邦推理算法，提升小样本场景下对数似然近似准确性，兼顾隐私、通信效率与可扩展性。