医学 AI

Every Error has Its Magnitude: Asymmetric Mistake Severity Training for Multiclass Multiple Instance Learning

每种错误都有其严重性：面向多类多实例学习的不对称错误严重性训练

Sungrae Hong, Jiwon Jeong, Jisu Shin, Donghee Han, Sol Lee, Kyungeun Kim, Mun Yong Yi

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Seegene Medical Foundation（Seegene医疗基金会） 纠错

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

AI总结 本文提出一种考虑错误严重性的训练策略，通过层次结构优化和概率对齐提升多类多实例学习的诊断准确性，减少临床关键错误。

Comments Accepted by CVPR 2026

LUMINA: Laplacian-Unifying Mechanism for Interpretable Neurodevelopmental Analysis via Quad-Stream GCN

LUMINA：基于拉普拉斯统一机制的可解释神经发育分析四流图卷积网络

Minkyung Cha, Jooyoung Bae, Jaewon Jung, Ping Shu Ho, Ka Chun Cheung, Namjoon Kim

机构 * Seoul National University, Seoul, Republic of Korea（首尔国立大学，韩国首尔） ； NVIDIA AI Technology Center HK, Hong Kong（NVIDIA香港人工智能技术中心，香港） 纠错

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

AI总结 LUMINA通过四流图卷积网络和双频谱图拉普拉斯过滤机制，提升fMRI数据中神经连接动态的可解释性，在ADHD和ASD诊断中表现优异。

Learning to Repair Lean Proofs from Compiler Feedback

从编译器反馈中学习修复Lean证明

Evan Wang, Simon Chess, Daniel Lee, Siyuan Ge, Ajit Mallavarapu, Jarod Alper, Vasily Ilin

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

AI总结 本文研究了将Lean证明修复作为监督学习问题，提出APRIL数据集，通过系统生成的证明错误与编译器诊断配对，提升修复准确性和反馈条件推理能力。

Comments 15 pages, 6 figures

Journal ref ICLR VerifAI Workshop, 2026

The Coherence Trap: When MLLM-Crafted Narratives Exploit Manipulated Visual Contexts

一致性陷阱：当MLLM编写的叙述利用被篡改的视觉上下文

Yuchen Zhang, Yaxiong Wang, Yujiao Wu, Lianwei Wu, Li Zhu, Zhedong Zheng

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； Northwestern Polytechnical University（西北工业大学） ； University of Macau（澳门大学） 纠错

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

AI总结 本文提出AMD框架，通过Artifact Pre-perception Encoding策略和Manipulation-Oriented Reasoning，解决MLLM生成的多模态欺骗检测问题，验证了其在跨领域测试中的优越性能。

Comments Accepted to CVPR 2026 main track

Nested Deep Learning Model Towards A Foundation Model for Brain Signal Data

嵌套深度学习模型：面向脑信号数据的基础模型

Fangyi Wei, Jiajie Mo, Kai Zhang, Haipeng Shen, Srikantan Nagarajan, Fei Jiang

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

AI总结 本文提出嵌套深度学习框架，解决脑电信号中棘波检测中通道配置变化和棘波来源识别的问题，提升预测精度并支持跨模态数据整合。

Comments 56 pages; paper structure updated

Automated Detection of Malignant Lesions in the Ovary Using Deep Learning Models and XAI

利用深度学习模型和XAI自动检测卵巢恶性病变

Md. Hasin Sarwar Ifty, Nisharga Nirjan, Labib Islam, M. A. Diganta, Reeyad Ahmed Ornate, Anika Tasnim, Md. Saiful Islam

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

AI总结 本文利用深度学习模型和XAI技术，开发了15种变体模型以准确检测卵巢癌，最终选择InceptionV3模型在性能指标上达到94%的平均得分，通过XAI方法解释模型结果，旨在提升卵巢癌的检测效率。

Comments Accepted and published at ICAIC 2025. Accepted version

Journal ref 2025 IEEE 4th International Conference on AI in Cybersecurity (ICAIC), Houston, TX, USA, 2025, pp. 1-8

FBCIR: Balancing Cross-Modal Focuses in Composed Image Retrieval

FBCIR: 在组合图像检索中平衡跨模态聚焦

Chenchen Zhao, Jianhuan Zhuo, Muxi Chen, Zhaohua Zhang, Wenyu Jiang, Tianwen Jiang, Qiuyong Xiao, Jihong Zhang, Qiang Xu

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

AI总结 本文提出FBCIR方法，通过分析CIR模型中的聚焦不平衡问题，提出数据增强工作流程以提升模型在挑战性场景下的性能。

Comments 20 pages, 5 figures, 15 tables

Deployment-Time Reliability of Learned Robot Policies

部署时学习机器人策略的可靠性

Christopher Agia

机构 * 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 本文研究了如何通过部署时机制提升学习机器人策略的可靠性，提出运行时监控、数据驱动的可解释性框架及长周期任务执行方法，以应对部署中的分布偏移、误差叠加和复杂依赖性问题。

Comments Stanford University PhD dissertation, 2026. 182 pages, 37 figures. Available from Stanford Digital Repository

CUPID: A Plug-in Framework for Joint Aleatoric and Epistemic Uncertainty Estimation with a Single Model

CUPID：一种联合估计自然不确定性和本质不确定性的插件框架

Xinran Xu, Xiuyi Fan

机构 * Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore（南洋理工大学李科钦医学院，新加坡） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Centre for Medical Technologies & Innovations, National Health Group, Singapore（国家健康集团医学技术与创新中心，新加坡） 纠错

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

AI总结 CUPID是一种无需修改基础模型即可联合估计自然和本质不确定性的插件框架，适用于多种任务，提供透明且可解释的不确定性分析。

BrainSTR: Spatio-Temporal Contrastive Learning for Interpretable Dynamic Brain Network Modeling

BrainSTR: 基于时空对比学习的可解释动态脑网络建模

Guiliang Guo, Guangqi Wen, Lingwen Liu, Ruoxian Song, Peng Cao, Jinzhu Yang, Fei Wang, Xiaoli Liu, Osmar R. Zaiane

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，中国沈阳） ； School of Computer Science and Artificial Intelligence, Shandong Normal University, Jinan, China（山东师范大学计算机科学与人工智能学院，中国济南） ； Graduate School of Information, Production and Systems, Waseda University, Kitakyushu, Fukuoka, Japan（早稻田大学信息、生产与系统研究生院，日本北九州市福冈） ； Nanjing Medical University, Nanjing, China（南京医学院，中国南京） ； AiShiWeiLai AI Research, Beijing, China（人工智能研究公司AiShiWeiLai，中国北京） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学Amii研究所，加拿大埃德蒙顿，阿尔伯塔） 纠错

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

AI总结 BrainSTR通过时空对比学习方法，提升动态脑网络建模的可解释性，通过关键相识别和疾病相关连接提取，验证了其在ASD、BD和MDD诊断中的有效性。

Enhancing SHAP Explainability for Diagnostic and Prognostic ML Models in Alzheimer Disease

增强阿尔茨海默病诊断和预后ML模型的SHAP可解释性

Pablo Guillén, Enrique Frias-Martinez

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

AI总结 本文提出多级框架提升AD诊断预后模型SHAP解释的稳健性和一致性，通过整合相干性、稳定性与跨任务一致性验证解释的可靠性。

Journal ref CMC 1546-2226 (2026)

Vision Transformers that Never Stop Learning

永不停止学习的视觉变换器

Caihao Sun, Mingqi Yuan, Shiyuan Wang, Jiayu Chen

机构 * University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Technische Universität Dresden（德累斯顿理工大学） ； INFIFORCE 纠错

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

AI总结 本文提出ARROW优化器，通过自适应调整梯度方向，有效提升视觉变换器的持续学习能力。

DECADE: A Temporally-Consistent Unsupervised Diffusion Model for Enhanced Rb-82 Dynamic Cardiac PET Image Denoising

DECADE：一种用于增强Rb-82动态心脏PET图像去噪的时序一致无监督扩散模型

Yinchi Zhou, Liang Guo, Huidong Xie, Yuexi Du, Ashley Wang, Menghua Xia, Tian Yu, Ramesh Fazzone-Chettiar, Christopher Weyman, Bruce Spottiswoode, Vladimir Panin, Kuangyu Shi, Edward J. Miller, Attila Feher, Albert J. Sinusas, Nicha C. Dvornek, Chi Liu

机构 * Yale University（耶鲁大学） ； Yale School of Medicine（耶鲁医学院） ； Siemens Medical Solutions USA, Inc.（西门子医疗解决方案美国公司） ； Inselspital, Bern University Hospital（伯尔尼大学医院Inselspital） ； University of Bern（伯尔尼大学） ； Department of Biomedical Engineering（生物医学工程系） ； Department of Radiology and Biomedical Imaging（放射科和生物医学成像系） ； Department of Medicine (Cardiology)（医学系（心脏病学）） 纠错

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

AI总结 DECADE是一种用于增强Rb-82动态心脏PET图像去噪的无监督扩散模型，通过引入时间一致性提升去噪效果，实现高质量动态和参数图像重建。

DKDL-Net: A Lightweight Bearing Fault Detection Model via Decoupled Knowledge Distillation and Low-Rank Adaptation Fine-tuning

DKDL-Net: 一种通过解耦知识蒸馏和低秩适应微调的轻量级滚动轴承故障检测模型

Ovanes Petrosian, Li Pengyi, He Yulong, Liu Jiarui, Sun Zhaoruikun, Fu Guofeng, Meng Liping

机构 * SPBU（圣彼得堡国立大学） 纠错

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

AI总结 本文提出DKDL-Net模型，通过解耦知识蒸馏和低秩适应微调，实现轻量级滚动轴承故障检测，提升计算效率和精度。

Journal ref Scientific Reports, 15, 36136 (2025)

A SISA-based Machine Unlearning Framework for Power Transformer Inter-Turn Short-Circuit Fault Localization

基于SISA的电力变压器匝间短路故障定位机器去学习框架

Nanhong Liu, Jingyi Yan, Mucun Sun, Jie Zhang

机构 * Graduate Student Member, IEEE（IEEE研究生会员） ； Member, IEEE（IEEE会员） ； Senior Member, IEEE（IEEE高级会员） 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SISA的机器去学习框架，用于电力变压器匝间短路故障定位，通过分片和隔离技术减少重新训练时间，同时保持诊断准确性。

Beyond Mapping : Domain-Invariant Representations via Spectral Embedding of Optimal Transport Plans

超越映射：通过最优运输计划的谱嵌入获得领域不变表示

Abdel Djalil Sad Saoud, Fred Maurice Ngolè Mboula, Hanane Slimani

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

AI总结 本文提出通过谱嵌入平滑运输计划来获得领域不变表示，以解决训练与推理数据分布偏移问题，在多个音频和电气检测任务中取得优异性能。

Comments Accepted at The IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026)

DSA-SRGS: Super-Resolution Gaussian Splatting for Dynamic Sparse-View DSA Reconstruction

DSA-SRGS：动态稀疏视图DSA重建的超分辨率高斯散射

Shiyu Zhang, Zhicong Wu, Huangxuan Zhao, Zhentao Liu, Lei Chen, Yong Luo, Lefei Zhang, Zhiming Cui, Ziwen Ke, Bo Du

机构 * School of Computer Science, Wuhan University, Wuhan, China (S. Zhang), (Z. Wu), (H. Zhao), (Y. Luo), (L. Zhang), (B. Du) School of Biomedical Engineering \& State Key Laboratory of Advanced Medical Materials ； Devices, ShanghaiTech University, Shanghai, China (Z. Liu), (Z. Cui), (Z. Ke) Union Hospital, Tongji Medical College, Huazhong University of Science ； School of Computer Science, Wuhan University, Wuhan, China Institute of Artificial Intelligence, Xiamen University, Xiamen, China School of Biomedical Engineering \& State Key Laboratory of Advanced Medical Materials ； Devices, ShanghaiTech University, Shanghai, China Union Hospital, Tongji Medical College, Huazhong University of Science 纠错

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

AI总结 DSA-SRGS通过多保真度纹理学习和辐射子像素致密化，实现了动态稀疏视图DSA重建的超分辨率高斯散射，提升血管细节和分支结构的重建精度。

Comments 11 pages, 3 figures, 3 tables

iAgentBench: Benchmarking Sensemaking Capabilities of Information-Seeking Agents on High-Traffic Topics

iAgentBench: 信息检索代理在高流量话题上的理解能力基准测试

Preetam Prabhu Srikar Dammu, Arnav Palkhiwala, Tanya Roosta, Chirag Shah

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 iAgentBench通过整合多源证据来评估信息检索代理在高流量话题中的理解能力，强调证据使用而非单纯检索的重要性。

An Explainable Ensemble Framework for Alzheimer's Disease Prediction Using Structured Clinical and Cognitive Data

用于利用结构化临床和认知数据预测阿尔茨海默病的可解释集成框架

Nishan Mitra

机构 * Computer Science \& Engineering (AI\&ML) Institute of Engineering \& Management Kolkata, India 纠错

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

AI总结 本文提出了一种用于预测阿尔茨海默病的可解释集成框架，结合结构化临床和认知数据，利用多种集成算法和可解释性技术提升预测精度与透明度。

Comments 6 pages, 7 figures, 2 tables. Preprint version

Weakly Supervised Patch Annotation for Improved Screening of Diabetic Retinopathy

弱监督补丁标注以提高糖尿病视网膜病变的筛查

Shramana Dey, Abhirup Banerjee, B. Uma Shankar, Ramachandran Rajalakshmi, Sushmita Mitra

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

AI总结 SAFE通过弱监督和对比学习方法，系统扩展病理学中的稀疏标注，提升糖尿病视网膜病变筛查的准确性与性能。

Bias and Fairness in Self-Supervised Acoustic Representations for Cognitive Impairment Detection

自监督声学表示中偏差与公平性研究：用于认知障碍检测

Kashaf Gulzar, Korbinian Riedhammer, Elmar Nöth, Andreas K. Maier, Paula Andrea Pérez-Toro

机构 * Zentrum für Künstliche Intelligenz (KIZ), Technische Hochschule Nürnberg（人工智能中心（KIZ），图林根技术大学纽伦堡分校） ； Pattern Recognition Lab, Friedrich-Alexander Universität Erlangen-Nürnberg（模式识别实验室，弗赖堡-艾尔兰根-纽伦堡大学） ； GITA Lab, University of Antioquia（GITA实验室，安蒂奎亚大学） 纠错

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

AI总结 本研究分析了自监督声学表示中认知障碍检测的偏差问题，发现女性和年轻参与者表现较差，强调了在临床语音应用中需考虑公平性和亚组差异。

Comments 12 pages, 4 figures, 6 tables, Journal paper

ATPO: Adaptive Tree Policy Optimization for Multi-Turn Medical Dialogue

ATPO：多轮医疗对话中的自适应树策略优化

Ruike Cao, Shaojie Bai, Fugen Yao, Liang Dong, Jian Xu, Li Xiao

机构 * University of Science and Technology of China（中国科学技术大学） ； Qwen Applications Business Group, Alibaba Group（阿里云应用业务部） ； Zhejiang University（浙江大学） 纠错

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

AI总结 ATPO通过自适应树策略优化提升多轮医疗对话中的信息获取效率，有效解决不确定性问题，实验表明其在医疗对话任务中表现优异。

Comments Accepted to ICLR 2026

Stable Asynchrony: Variance-Controlled Off-Policy RL for LLMs

稳定异步性：用于大语言模型的方差控制的非策略强化学习

Luke J. Huang, Zhuoyang Zhang, Qinghao Hu, Shang Yang, Song Han

机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） 纠错

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

AI总结 VCPO通过动态调整学习率和最小方差基线，提升大语言模型异步训练的稳定性与效率。

StethoLM: Audio Language Model for Cardiopulmonary Analysis Across Clinical Tasks

StethoLM：用于跨临床任务的心肺分析的音频语言模型

Yishan Wang, Tsai-Ning Wang, Mathias Funk, Aaqib Saeed

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

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

AI总结 StethoLM是首个用于心肺听诊的音频语言模型，能执行多种临床任务，通过多阶段训练提升性能和鲁棒性，为临床听诊提供新的AI解决方案。

Comments To be published in TMLR

Language Agents for Hypothesis-driven Clinical Decision Making with Reinforcement Learning

用于强化学习的假设驱动临床决策制定语言代理

David Bani-Harouni, Chantal Pellegrini, Ege Özsoy, Nassir Navab, Matthias Keicher

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 本文提出了一种基于强化学习的假设驱动语言代理LA-CDM，用于提升临床诊断的准确性和效率。

Predictive AI Can Support Human Learning while Preserving Error Diversity

预测AI可以在支持人类学习的同时保留误差多样性

Vivianna Fang He, Sihan Li, Phanish Puranam, Feng Lin

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

AI总结 预测AI通过提升个体诊断准确性并保留误差多样性，优化医疗新手的学习与决策过程。

CSyMR: Benchmarking Compositional Music Information Retrieval in Symbolic Music Reasoning

CSyMR：在符号音乐推理中进行组合音乐信息检索的基准测试

Boyang Wang, Yash Vishe, Xin Xu, Zachary Novack, Xunyi Jiang, Julian McAuley, Junda Wu

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 CSyMR-Bench通过工具增强的检索和推理框架，在符号音乐推理中实现组合音乐信息检索的准确率提升。

Mobile-Ready Automated Triage of Diabetic Retinopathy Using Digital Fundus Images

面向移动设备的糖尿病视网膜病变自动分诊系统

Aadi Joshi, Manav S. Sharma, Vijay Uttam Rathod, Ashlesha Sawant, Prajakta Musale, Asmita B. Kalamkar

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

AI总结 本文提出基于MobileNetV3和CORAL头的轻量级深度学习框架，用于移动设备上高效评估糖尿病视网膜病变严重程度，实现高准确率和可扩展的筛查工具。

Comments Presented at ICCI 2025. 11 pages, 2 figures. MobileNetV3 + CORAL-based lightweight model for diabetic retinopathy severity classification with mobile deployment

Shared Nature, Unique Nurture: PRISM for Pluralistic Reasoning via In-context Structure Modeling

共享本质，独特培养：通过上下文结构建模实现多元推理的PRISM

Guancheng Tu, Shiyang Zhang, Tianyu Zhang, Yi Zhang, Diji Yang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学） ； University of California Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

AI总结 PRISM通过上下文结构建模实现多元推理，提升创造力和科学发现能力，展现独特认知轨迹的多元AI新范式。

An artificial intelligence framework for end-to-end rare disease phenotyping from clinical notes using large language models

基于大语言模型的端到端罕见病表型从临床笔记中提取人工智能框架

Cathy Shyr, Yan Hu, Rory J. Tinker, Thomas A. Cassini, Kevin W. Byram, Rizwan Hamid, Daniel V. Fabbri, Adam Wright, Josh F. Peterson, Lisa Bastarache, Hua Xu

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

AI总结 RARE-PHENIX通过整合大语言模型、本体标准化和监督排名，实现了端到端罕见病表型分析，优于现有深度学习基线。