医学 AI

Fast Bayesian equipment condition monitoring via simulation based inference: applications to heat exchanger health

基于仿真的贝叶斯设备状态监测：用于热交换器健康的应用

Peter Collett, Alexander Johannes Stasik, Simone Casolo, Signe Riemer-Sørensen

机构 * Department of Data Science, Norwegian University of Life Sciences（数据科学系，挪威生命科学大学） ； Department for Mathematics and Cybernetics, SINTEF Digital（数学与 cybernetics 系，SINTEF 数字） 纠错

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

AI总结 本文提出基于仿真的贝叶斯方法，通过神经网络后验估计加速热交换器故障诊断，实现高效实时监测。

Comments Submitted, 15 pages, 9 figures, code available on github

When Can We Trust Deep Neural Networks? Towards Reliable Industrial Deployment with an Interpretability Guide

当我们可以信任深度神经网络？迈向可靠工业部署的可解释性指南

Hang-Cheng Dong, Yuhao Jiang, Yibo Jiao, Lu Zou, Kai Zheng, Bingguo Liu, Dong Ye, Guodong Liu

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

AI总结 本文提出一种基于事后解释的指标，用于检测二分类缺陷检测网络中的假阴性，通过计算类别特定判别热图与类别无关热图的交并比差异作为可靠性评分，并引入对抗增强方法以放大差异，实验证明该方法能有效识别假阴性，尽管牺牲了真阴性率。

From Answers to Arguments: Toward Trustworthy Clinical Diagnostic Reasoning with Toulmin-Guided Curriculum Goal-Conditioned Learning

从答案到论证：通过托尔金引导的课程目标条件学习实现可信的临床诊断推理

Chen Zhan, Xiaoyu Tan, Gengchen Ma, Yu-Jie Xiong, Xiaoyan Jiang, Xihe Qiu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子与电气工程学院） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

AI总结 本文提出托尔金引导的课程目标条件学习框架，通过逐步训练LLM生成符合托尔金结构的诊断论证，提升临床诊断的透明性和可靠性。

Comments Accepted at ACL 2026

SCOPE-PD: Explainable AI on Subjective and Clinical Objective Measurements of Parkinson's Disease for Precision Decision-Making

SCOPE-PD：基于帕金森病主观和临床客观测量的可解释AI用于精准决策制定

Md Mezbahul Islam, John Michael Templeton, Masrur Sobhan, Christian Poellabauer, Ananda Mohan Mondal

机构 * Computing & Information Sciences（计算与信息科学） ； Florida International University（佛罗里达国际大学） ； Computer Science & Engineering（计算机科学与工程） ； University of South Florida（佛罗里达州立大学） 纠错

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

AI总结 本文提出SCOPE-PD框架，结合主观和客观评估数据，利用随机森林算法实现98.66%的准确率，通过SHAP分析揭示运动障碍、运动迟缓和面部表情为主要贡献特征。

Comments 16 pages, 3 tables, 5 figures, to be published (full text online) in Springer (Springer CCIS series: electronic ISSN 1865-0937, print ISSN 1865-0929)

Assessing the Generalizability of Deep Neural Networks-Based Models for Black Skin Lesions

评估基于深度神经网络的模型在黑色皮肤病变上的泛化能力

Luana Barros, Levy Chaves, Sandra Avila

机构 * Recod.ai Lab, Institute of Computing, University of Campinas, Brazil（Recod.ai实验室，计算学院，坎皮纳斯大学，巴西） 纠错

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

AI总结 本文评估了深度神经网络在黑色人群皮肤病变图像上的表现，发现现有模型在黑色皮肤上泛化能力差，需开发专用模型以提升诊断效果。

Comments 18 pages, 3 figures, 7 tables. Accepted at CIARP 2023

Why Training-Free Token Reduction Collapses: The Inherent Instability of Pairwise Scoring Signals

为何无训练标记缩减崩溃：成对评分信号的内在不稳定性

Yang Shanglin

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

AI总结 本文分析了无训练标记缩减方法在高压缩下的崩溃原因，提出两种诊断工具，揭示了层间缩减的固有误差放大效应及对成对相似性信号的依赖，通过CATIS验证，实现高压缩下的高精度保持。

Classification of systolic murmurs in heart sounds using multiresolution complex Gabor dictionary and vision transformer

使用多分辨率复数Gabor字典和视觉Transformer对心音中的收缩期杂音进行分类

Mahmoud Fakhry, Abeer FathAllah Brery

机构 * CEIEC, Universidad Francisco de Vitoria（CEIEC，弗朗西斯科·维多利亚大学） ； Departamento de Informática, Universidad Carlos III de Madrid（信息学院，马德里卡洛斯三世大学） 纠错

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

AI总结 本文提出了一种自动分类系统，利用多分辨率复数Gabor字典和视觉Transformer对收缩期杂音进行分类，通过特征提取和分类模型提升诊断准确性，实验在CirCor DigiScope数据集上达到95.96%的分类准确率。

Thermal-GEMs: Generalized Models for Building Thermal Dynamics

热能-GEs：建筑热动态的通用模型

Felix Koch, Fabian Raisch, Benjamin Tischler

机构 * Technical University of Applied Sciences Rosenheim（应用技术大学罗斯海姆分校） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文评估了建筑热动态通用建模方法，包括多源迁移学习和时间序列基础模型，发现多源迁移学习在真实应用中能显著降低预测误差，但需充足数据预训练以超越时间序列基础模型。

Comments The 13th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation 2026

Learning to Hear Broken Motors: Signature-Guided Data Augmentation for Induction-Motor Diagnostics

学习如何听故障电机：基于签名的数据显示增强用于感应电机诊断

Saraa Ali, Aleksandr Khizhik, Stepan Svirin, Artem Ryzhikov, Denis Derkach

机构 * National Research University Higher School of Economics（俄罗斯国家研究型高等经济学院） 纠错

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

AI总结 本文提出基于签名的数据增强方法，结合机器学习与物理模型，提升电机故障诊断的准确性和可靠性。

Journal ref Engineering Applications of Artificial Intelligence 170 (2026) 114137

PolarMAE: Efficient Fetal Ultrasound Pre-training via Semantic Screening and Polar-Guided Masking

PolarMAE：通过语义筛选和极坐标引导掩码实现高效的胎儿超声预训练

Meng Lv, Yapeng Li, Hang Su, Juhua Liu, Bo Du

机构 * Wuhan University（武汉大学） 纠错

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

AI总结 本文提出PolarMAE，通过语义筛选和极坐标引导掩码解决胎儿超声预训练中的冗余和局部性问题，提升预训练效率和下游任务性能。

Comments 10 pages, 6 figures, 3 tables

Diffusion Autoencoder for Unsupervised Artifact Restoration in Handheld Fundus Images

用于无监督消除手持视网膜图像中伪影的扩散自编码器

Mathumetha Palani, Kavya Puthumana, Ayantika Das, Ganapathy Krishnamurthi

机构 * Nuvo AI ； Indian Institute of Technology Madras（印度理工学院马德拉斯） 纠错

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

AI总结 本文提出一种无监督扩散自编码器，通过结合上下文编码器与去噪过程，学习语义表示以恢复手持视网膜图像中的伪影。模型仅使用高质量台式视网膜图像训练，能有效提升诊断准确率至81.17%。

Comments 5 pages, 2 figures, 1 Table - ISBI IEEE 2025 CONFERENCE

Towards Robust Endogenous Reasoning: Unifying Drift Adaptation in Non-Stationary Tuning

迈向稳健的内生推理：统一非平稳调谐中的漂移适应

Xiaoyu Yang, En Yu, Wei Duan, Jie Lu

机构 * Australian Artificial Intelligence Institute (AAII)（澳大利亚人工智能研究所） ； Faculty of Engineering and Information Technology（工程与信息技术学院） 纠错

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

AI总结 本文提出CPO++框架，解决多模态大语言模型在内生推理中的漂移问题，通过反事实推理与领域知识结合，提升推理连贯性和决策精度，适用于医疗诊断和自动驾驶等安全关键领域。

Learning Where to Embed: Noise-Aware Positional Embedding for Query Retrieval in Small-Object Detection

学习嵌入位置：面向小目标检测查询检索的噪声感知位置嵌入

Yangchen Zeng, Zhenyu Yu, Dongming Jiang, Wenbo Zhang, Yifan Hong, Zhanhua Hu, Jiao Luo, Kangning Cui

机构 * Southeast University（东南大学） ； Fudan University（复旦大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Zhejiang Normal University（浙江师范大学） ； Data Space Research Institute, Hefei Comprehensive National Science Center（合肥综合国家科学中心数据空间研究院） ； Rice University（里士满大学） ； Huazhong Agricultural University（华中农业大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； Wake Forest University（威克森林大学） 纠错

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

AI总结 本文提出HELP框架，通过选择性保留前景区域的位置编码来学习嵌入位置，结合热图引导的位置嵌入机制和线性蛇卷积提升小目标检索性能，实现参数减少59.4%的同时保持精度。

Comments Accepted to ACM ICMR 2026; 14 pages, 6 figures, and 4 tables

Towards Verified and Targeted Explanations through Formal Methods

通过形式方法实现验证和定向的解释

Hanchen David Wang, Diego Manzanas Lopez, Preston K. Robinette, Ipek Oguz, Taylor T. Johnson, Meiyi Ma

机构 * Vanderbilt University（范德比大学） 纠错

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

AI总结 本文提出ViTaX框架，通过形式方法生成具有数学保证的定向半事实解释，解决传统XAI方法在可解释性和可信度上的不足。

Comments Paper has been accepted at JAIR

BitFlipScope: Scalable Fault Localization and Recovery for Bit-Flip Corruptions in LLMs

BitFlipScope：面向LLM中位翻故障的可扩展故障定位与恢复

Muhammad Zeeshan Karamat, Sadman Saif, Christiana Chamon Garcia

机构 * Bradly Dept. of ECE（布拉利电子工程系） ； Virginia Tech（弗吉尼亚理工学院） 纠错

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

AI总结 BitFlipScope通过两种部署场景实现LLM中位翻故障的定位与恢复，利用差分分析和残差路径扰动等方法，支持轻量级性能恢复，提升硬件环境下的模型可靠性。

Comments Accepted at the IEEE International Symposium on Hardware Oriented Security and Trust (HOST) 2026

Dental-TriageBench: Benchmarking Multimodal Reasoning for Hierarchical Dental Triage

牙科分诊基准：用于分层牙科分诊的多模态推理基准

Ziyi He, Yushi Feng, Shuangyu Yang, Yinghao Zhu, Xichen Zhang, Pak Chuen Patrick Tai, Hei Yuet Lo, Songying Wu, Weifa Yang, Lequan Yu

机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院） ； The Prince Philip Dental Hospital（菲利普王子牙科医院） ； Li Ka Shing Faculty of Medicine, The University of Hong Kong（香港大学利滋医学学院） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 本文提出Dental-TriageBench，首个专家标注的多模态牙科分诊基准，通过246个脱敏案例评估19种模型在细粒度治疗层面分诊中的表现，揭示了人类与模型间的显著差距。

Failure Makes the Agent Stronger: Enhancing Accuracy through Structured Reflection for Reliable Tool Interactions

失败让智能体更强：通过结构化反思提升准确性以实现可靠的工具交互

Junhao Su, Yuanliang Wan, Junwei Yang, Hengyu Shi, Tianyang Han, Junfeng Luo, Yurui Qiu

机构 * Vision Agent Team, Meituan（美团视觉代理团队） ； MeiGen AI Team, Meituan（美团MeiGen AI团队） 纠错

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

AI总结 本文提出结构化反思方法，通过显式反思和优化提升工具交互的可靠性，实验表明在多轮工具调用中显著提高成功率并减少冗余调用。

Comments ACL

A Compact and Efficient 1.251 Million Parameter Machine Learning CNN Model PD36-C for Plant Disease Detection: A Case Study

一种紧凑且高效的125万参数机器学习CNN模型PD36-C用于植物疾病检测：案例研究

Shkelqim Sherifi

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出PD36-C模型，通过训练数据集实现高准确率，适用于边缘部署的植物疾病分类，展示小型CNN在实际应用中的高效性。

Comments 17 pages, 24 figures

bioLeak: Leakage-Aware Modeling and Diagnostics for Machine Learning in R

bioLeak：面向机器学习的泄漏感知建模与诊断

Selçuk Korkmaz

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

AI总结 bioLeak是一个R包，用于构建泄漏感知的重采样工作流，并审计拟合模型的常见泄漏机制，支持多种任务的分类、回归和生存分析。

Comments 35 pages, 4 figures

Community-Based Early-Stage Chronic Kidney Disease Screening using Explainable Machine Learning for Low-Resource Settings

基于社区的早期慢性肾脏病筛查：使用可解释机器学习方法适用于低资源环境

Muhammad Ashad Kabir, Sirajam Munira, Dewan Tasnia Azad, Saleh Mohammed Ikram, Mohammad Habibur Rahman Sarker, Syed Manzoor Ahmed Hanifi

机构 * School of Computing, Mathematics and Engineering, Charles Sturt University（查尔斯·斯特特大学计算、数学与工程学院） ； Department of Computer Science, Rensselaer Polytechnic Institute（伦斯勒理工学院计算机科学系） ； Health Systems and Population Studies Division, International Centre for Diarrhoeal Disease Research, Bangladesh (icddr,b)（孟加拉国国际腹泻病研究中心卫生系统与人口研究部） ； Technical Training Unit, International Centre for Diarrhoeal Disease Research, Bangladesh (icddr,b)（孟加拉国国际腹泻病研究中心技术培训部） 纠错

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

AI总结 本文提出了一种适用于低资源环境的可解释机器学习框架，用于社区早期慢性肾脏病筛查，通过特征选择和模型验证，提高了预测准确性与敏感性。

Comments 31 pages

Journal ref International Journal of Medical Informatics, 2026

Understanding Generalization in Role-Playing Models via Information Theory

通过信息论理解角色扮演模型的泛化能力

Yongqi Li, Hao Lang, Fei Huang, Tieyun Qian, Yongbin Li

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Tongyi Lab（通义实验室） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文通过信息理论提出R-EMID指标，分析角色扮演模型在分布偏移下的泛化问题，提出协同强化学习框架提升对话生成概率，发现用户偏移对泛化影响最大。

Comments Accepted to ACL 2026 (Findings), camera-ready version

Particle Diffusion Matching: Random Walk Correspondence Search for the Alignment of Standard and Ultra-Widefield Fundus Images

粒子扩散匹配：用于标准和超宽场视网膜图像对齐的随机游走对应搜索

Kanggeon Lee, Soochahn Lee, Kyoung Mu Lee

机构 * ASRI, Dept. of ECE, Seoul National University（首尔大学电气与计算机工程系ASRI） ； School of Electrical Engineering, Kookmin University（国民大学电气工程学院） 纠错

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

AI总结 本文提出了一种稳健的对齐技术，通过扩散模型引导的迭代随机游走对应搜索（RWCS）实现标准视网膜图像（SFIs）和超宽场视网膜图像（UWFIs）的对齐，解决了尺度、外观差异和特征稀少的问题，展示了在多个视网膜图像对齐基准上的最佳性能。

Improving Pediatric Emergency Department Triage with Modality Dropout in Late Fusion Multimodal EHR Models

通过晚期融合多模态EHR模型中的模态脱落改进儿科急诊分诊

Tyler Yang, Romal Mitr

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出一种晚期融合多模态架构，结合XGBoost和Bio_ClinicalBERT处理结构化数据和非结构化文本，通过逻辑回归元分类器预测急诊严重程度指数，通过模态脱落提升模型在儿科群体中的泛化能力。

Comments 10 pages, 4 figures, 4 tables

FedIFL: A federated cross-domain diagnostic framework for motor-driven systems with inconsistent fault modes

FedIFL: 一种用于具有不一致故障模式的电机驱动系统的联邦跨域诊断框架

Zexiao Wang, Yankai Wang, Xiaoqiang Liao, Xinguo Ming, Weiming Shen

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

AI总结 针对工业数据稀缺导致的故障诊断模型训练困难，FedIFL通过联邦学习实现隐私保护下的协同训练，通过原型对比学习和特征解耦机制解决跨域标签空间不一致问题，提升全局模型的泛化能力。

Comments The paper is being withdrawn as we found that it did not fully articulate the representation of deep implicit features, which is the core focus of our work. Additionally, the experiments were incomplete and lacked sufficient analysis. We plan to revise the paper, clarify these aspects, and enhance the experimental validation before resubmitting

Evidence-Based Actor-Verifier Reasoning for Echocardiographic Agents

基于证据的Actor-验证者推理用于超声波代理

Peng Huang, Yiming Wang, Yineng Chen, Liangqiao Gui, Hui Guo, Bo Peng, Shu Hu, Xi Wu, Tsao Connie, Hongtu Zhu, Balakrishnan Prabhakaran, Xin Wang

机构 * University at Albany, SUNY（纽约州立大学奥尔巴尼分校） ； Southwest Jiaotong University（西南交通大学） ； Purdue University（普渡大学） ； Chengdu University of Information Technology（成都信息工程大学） ； Harvard Medical School（哈佛医学院） ； 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 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出EchoTrust框架，通过结构化中间表示和不同角色分析，提升超声波临床决策支持系统中推理的可靠性与可解释性。

Comments cvprw 2026(AIMS)

RAGEN-2: Reasoning Collapse in Agentic RL

RAGEN-2：代理强化学习中的推理崩溃

Zihan Wang, Chi Gui, Xing Jin, Qineng Wang, Licheng Liu, Kangrui Wang, Shiqi Chen, Linjie Li, Zhengyuan Yang, Pingyue Zhang, Yiping Lu, Jiajun Wu, Li Fei-Fei, Lijuan Wang, Yejin Choi, Manling Li

机构 * Northwestern University（西北大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Independent（独立研究者） ； Imperial College London（伦敦帝国学院） ； Oxford University（牛津大学） ； University of Washington（华盛顿大学） ； Microsoft（微软） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究发现代理强化学习中推理稳定性受模板崩溃影响，通过引入互信息代理提升推理质量与任务表现。

Simultaneous Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models

同时双视角乳腺X线合成使用去噪扩散概率模型

Jorge Alberto Garza-Abdala, Gerardo A. Fumagal-González, Eduardo de Avila-Armenta, Sadam Hussain, Jasiel H. Toscano-Martínezb, Diana S. M. Rosales Gurmendi, Alma A. Pedro-Pérez, Jose G. Tamez-Pena

机构 * Tecnologico de Monterrey, School of Engineering and Sciences（蒙特雷科技大学工程与科学学院） ； School of Engineering, Pontificia Universidad Católica de Chile（智利天主教大学工程学院） ； Tecnologico de Monterrey, School of Medicine and Health Sciences（蒙特雷科技大学医学与健康科学学院） 纠错

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

AI总结 本文提出一种三通道去噪扩散概率模型，同时生成乳腺的CC和MLO视角，通过绝对差编码保持全局结构，用于乳腺影像数据增强和交叉视角AI应用。

Comments Accepted and presented at SPIE Medical Imaging 2025 (Vancouver, Canada)

Journal ref Proc. SPIE 13925, 139251C (2026)

On the Mirage of Long-Range Dependency, with an Application to Integer Multiplication

关于长距离依赖的幻象，及其在整数乘法中的应用

Zichao Wei

机构 * Saarland University（萨尔大学） 纠错

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

AI总结 本文指出整数乘法的困难并非源于长距离依赖，而是由计算时空的选择产生。通过2D外积网格表示，证明长乘法可局部化，且神经元细胞自动机在仅321个参数下实现长度泛化。

Embedding Enhancement via Fine-Tuned Language Models for Learner-Item Cognitive Modeling

通过微调语言模型增强嵌入以实现学习者-项目认知建模

Yuanhao Liu, Zihan Zhou, Kaiying Wu, Shuo Liu, Yiyang Huang, Jiajun Guo, Aimin Zhou, Hong Qian

机构 * East China Normal University（华东师范大学） ； Tencent Inc（腾讯公司） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出EduEmbed框架，通过微调语言模型提升学习者-项目认知建模的嵌入表示，在多种认知诊断任务中实现稳健性能。

Comments Accepted by The ACM Web Conference 2026 (WWW '26)

Unmasking Hallucinations: A Causal Graph-Attention Perspective on Factual Reliability in Large Language Models

揭示幻觉：从因果图注意力视角探讨大语言模型中的事实可靠性

Sailesh kiran kurra, Shiek Ruksana, Vishal Borusu

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

AI总结 本文提出因果图注意力网络框架，通过构建token级图来减少大语言模型中的幻觉问题，提升事实可靠性。

Comments Paper accepted for publication at IEEE International Conference on Emerging Computing and Intelligent Technologies 2026 (ICoECIT),5 Pages,5 figures,1 table