医学 AI

Glance and Focus Reinforcement for Pan-cancer Screening

全景筛查中的 glance 与 focus 强化学习

Linshan Wu, Jiaxin Zhuang, Hao Chen

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 纠错

专题命中 诊断辅助 ：CT(abstract)；分类 cs.CV

AI总结 GF-Screen 通过 glance 与 focus 强化学习框架，首次将强化学习技术应用于全景筛查中的病变定位与分割问题，有效提升了检测效率和准确性。

Comments Accepted by ICLR 2026. Code is available at https://github.com/Luffy03/GF-Screen

Longitudinal Progression Prediction of Alzheimer's Disease with Tabular Foundation Model

阿尔茨海默病纵向进展预测的表格基础模型

Yilang Ding, Jiawen Ren, Jiaying Lu, Gloria Hyunjung Kwak, Armin Iraji, Shengpu Tang, Alex Fedorov

机构 * Department of Computer Science Emory University Atlanta GA USA（埃默里大学计算机科学系） ； Center for Data Science Nell Hodgson Woodruff School of Nursing Emory University Atlanta GA USA（埃默里大学数据科学中心） ； Department of Computer Science Georgia State University Atlanta GA USA（佐治亚州立大学计算机科学系） ； Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS) Atlanta GA USA（神经影像与数据科学转化研究三机构中心（TReNDS）） 纠错

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

AI总结 本文提出L2C-TabPFN方法，结合纵向到横断面转换与预训练表格基础模型，用于预测阿尔茨海默病的临床相关生物标志物，特别是在脑室体积预测上取得突破性成果。

Comments preprint

Graph-Free Root Cause Analysis

无图根因分析

Luan Pham

机构 * RMIT University, Australia（皇家墨尔本理工大学） 纠错

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

AI总结 PRISM是一种无需依赖图的高效根因分析框架，在真实世界数据集上实现了68%的Top-1准确率，比基线方法提升了258%。

Mam-App: A Novel Parameter-Efficient Mamba Model for Apple Leaf Disease Classification

Mam-App：一种新型参数高效的Mamba模型用于苹果叶病分类

Md Nadim Mahamood, Md Imran Hasan, Md Rasheduzzaman, Ausrukona Ray, Md Shafi Ud Doula, Kamrul Hasan

机构 * Computer Science and Engineering, Begum Rokeya University（计算机科学与工程，贝 Gum 罗基亚大学） ； Computer Science, Kumamoto University（计算机科学，熊本大学） ； Information and Communication Technologies, Asian Institute of Technology（信息与通信技术，亚洲理工学院） ； Computer Science, Texas State University（计算机科学，德克萨斯州立大学） 纠错

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

AI总结 Mam-App是一种参数高效的Mamba模型，用于苹果叶病分类，实现了高精度和低参数消耗，适用于资源受限环境。

Comments 18 Pages, 7 Tables, 5 Figures

Initial Characterization of Healthy and Malignant in vivo and ex vivo Human Colon Tissues under Surgery Procedures

术中和术后人类结肠组织健康与恶性组织的介电特性初探

Sergio Micó-Rosa, Concepcion Garcia-Pardo, Matteo Frasson, Narcis Cardona, Vicente Pons-Beltrán, Pedro López-Muñoz

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文通过术中和术后测量，探讨了人类结肠健康与恶性组织在不同肿瘤阶段的介电特性差异，为医疗诊断提供新思路。

Comments 6 pages, 8 figures, 3 tables. Published at the 2024 IEEE 35th International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC)

Journal ref 2024 IEEE 35th International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC)

OCTA-Based Biomarker Characterization in nAMD

基于OCTA的nAMD生物标志物表征

MAria Simona Tivadar, Ioana Damian, Adrian Groza, Simona Delia Nicoara

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.IV

AI总结 本研究利用OCTA图像处理和白盒机器学习方法，开发了三种工具用于nAMD的生物标志物分析与诊断，实现了高准确率的诊断模型。

Journal ref 2025 IEEE 6th International Conference on Image Processing, Applications and Systems (IPAS)

SliceGX: Layer-wise GNN Explanation with Model-slicing

SliceGX: 图神经网络的分层解释方法

Tingting Zhu, Tingyang Chen, Yinghui Wu, Arijit Khan, Xiangyu Ke

机构 * Zhejiang University（浙江大学） ； Case Western Reserve University（凯斯西储大学） ； Bowling Green State University（布里奇沃特州立大学） 纠错

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

AI总结 SliceGX是一种通过分层分析生成图神经网络解释的方法，能够逐步构建并维护子图以解释模型输出。

Dynamic Meta-Ensemble Framework for Efficient and Accurate Deep Learning in Plant Leaf Disease Detection on Resource-Constrained Edge Devices

动态元集成框架用于在资源受限边缘设备上高效准确的植物叶片疾病检测深度学习

Weloday Fikadu Moges, Jianmei Su, Amin Waqas

机构 * South West University Science and Technology, School of Computer Science and Technology（西南科技大学计算机科学与技术学院） ； South West University Science and Technology, School of Control and Information Engineering Technology（西南科技大学控制与信息工程学院） 纠错

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

AI总结 本文提出动态元集成框架，通过自适应加权机制在资源受限边缘设备上实现高精度植物疾病检测，实验表明其在分类准确率和计算效率方面均优于现有方法。

FAIR-ESI: Feature Adaptive Importance Refinement for Electrophysiological Source Imaging

FAIR-ESI：面向脑电生理源成像的特征自适应重要性细化

Linyong Zou, Liang Zhang, Xiongfei Wang, Jia-Hong Gao, Yi Sun, Shurong Sheng, Kuntao Xiao, Wanli Yang, Pengfei Teng, Guoming Luan, Zhao Lv, Zikang Xu

机构 * School of Artificial Intelligence, Anhui University（安徽大学人工智能学院） ； Anhui Province Key Laboratory of Biomedical Imaging and Intelligent Processing, Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（安徽省生物医学成像与智能处理重点实验室，人工智能研究院，合肥综合性国家科学中心） ； School of Automation, Northwestern Polytechnical University（自动化学院，西北工业大学） ； Department of Neurosurgery, Beijing Key Laboratory of Epilepsy, Sanbo Brain Hospital Capital Medical University（神经外科，北京癫痫重点实验室，首都医科大学三博脑科医院） ； McGovern Institute for Brain Research, Peking University（麦戈文脑科学研究所，北京大学） ； Anhui Province Key Laboratory of Multimodal Cognitive Computation, School of Computer Science and Technology, Anhui University（安徽省多模态认知计算重点实验室，计算机科学与技术学院，安徽大学） 纠错

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

AI总结 FAIR-ESI 通过自适应细化不同视图的特征重要性，提升脑电生理源成像的精度，为脑部疾病诊断提供新方法。

Learning to Trust Experience: A Monitor-Trust-Regulator Framework for Learning under Unobservable Feedback Reliability

学习信任经验：一种监控-信任-调节框架用于不可观测反馈可靠性下的学习

Zhipeng Zhang, Zhenjie Yao, Kai Li, Lei Yang

机构 * China Mobile Research Institute（中国移动研究院） ； China Mobile GBA (Greater Bay Area) Innovation Institute（中国移动粤港澳大湾区创新研究院） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） 纠错

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

AI总结 本文提出了一种监控-信任-调节框架，通过自我诊断提升在不可观测反馈可靠性下的学习可靠性。

Comments 23 pages, 7 figures. Preprint

Jingfang: An LLM-Based Multi-Agent System for Precise Medical Consultation and Syndrome Differentiation in Traditional Chinese Medicine

Jingfang: 一种基于大语言模型的多智能体系统，用于精准中医诊疗和辨证论治

Yehan Yang, Tianhao Ma, Ruotai Li, Xinhan Zheng, Guodong Shan

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Southeast University（东南大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 JingFang 是一种基于大语言模型的多智能体系统，旨在通过多智能体协作机制提升中医诊疗的准确性和个性化水平，尤其在辨证论治方面表现优异。

Simultaneous Detection of LSD and FMD in Cattle Using Ensemble Deep Learning

利用集成深度学习同时检测牛群中的LSD和FMD

Nazibul Basar Ayon, Abdul Hasib, Md. Faishal Ahmed, Md. Sadiqur Rahman, Kamrul Islam, T. M. Mehrab Hasan, A. S. M. Ahsanul Sarkar Akib

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Bangladesh University of Business and Technology（孟加拉国商业技术大学） ； Department of Internet of Things and Robotics Engineering（物联网与机器人工程系） ； University of Frontier Technology（前沿技术大学） ； Robo Tech Valley（机器人技术谷） 纠错

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

AI总结 本研究提出一种集成深度学习方法，通过整合VGG16、ResNet50和InceptionV3，实现对牛群中LSD和FMD的高精度同时检测。

Explainable Machine Learning for Pediatric Dental Risk Stratification Using Socio-Demographic Determinants

用于儿童牙科风险分层的可解释机器学习：基于社会人口决定因素

Manasi Kanade, Abhi Thakkar, Gabriela Fernandes

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

AI总结 本研究提出一种基于社会人口决定因素的可解释机器学习框架，用于儿童牙科风险分层，强调透明性和伦理应用，而非最大预测准确性。

Fusion of Quadratic Time-Frequency Analysis and Convolutional Neural Networks to Diagnose Bearing Faults Under Time-Varying Speeds

将二次时频分析与卷积神经网络融合用于诊断在变速情况下轴承故障

Mohammad Al-Sa'd, Tuomas Jalonen, Serkan Kiranyaz, Moncef Gabbouj

机构 * Faculty of Information Technology and Communication Sciences, Tampere University（信息科技与通信科学学院，塔尔皮莱大学） ； Faculty of Medicine and the Department of Clinical Neurophysiology at the University of Helsinki and Helsinki University Hospital（医学学院及赫尔辛基大学临床神经生理学系，赫尔辛基大学医院） ； Department of Electrical Engineering, Qatar University（电气工程系，卡塔尔大学） 纠错

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

AI总结 本文提出了一种融合二次时频分析与卷积神经网络的方法，用于在变速条件下诊断轴承故障，实现了较高的诊断准确率。

Energy-Aware Ensemble Learning for Coffee Leaf Disease Classification

面向能源效率的集成学习用于咖啡叶病分类

Larissa Ferreira Rodrigues Moreira, Rodrigo Moreira, Leonardo Gabriel Ferreira Rodrigues

机构 * Federal University of Viçosa (UFV), Minas Gerais, Brazil（弗拉门多联邦大学（UFV）） ； Federal University of Uberlândia (UFU), Minas Gerais, Brazil（伯南布哥联邦大学（UFU）） 纠错

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

AI总结 本文提出一种面向能源效率的集成学习方法，通过知识蒸馏和优化集成提升咖啡叶病分类的精度，同时显著降低能耗和碳足迹。

Beyond Accuracy: Evaluating Grounded Visual Evidence in Thinking with Images

超越准确率：评估图像推理中的 grounded 视觉证据

Xuchen Li, Xuzhao Li, Renjie Pi, Shiyu Hu, Jian Zhao, Jiahui Gao

机构 * ZGCA（中钢集团自动化研究院） ； NTU（国立.ntu） ； HKUST（香港科技大学） ； HKU（香港大学） ； ZGCI（中钢集团信息院） 纠错

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

AI总结 ViEBench 是一个用于评估视觉语言模型图像推理能力的基准，通过细粒度视觉证据和双轴矩阵评估模型在不同任务复杂度下的推理表现。

Comments Preprint, Under review

PLGC: Pseudo-Labeled Graph Condensation

PLGC: 假设标签图压缩

Jay Nandy, Arnab Kumar Mondal, Anuj Rathore, Mahesh Chandran

机构 * Fujitsu Research of India（富士通印度研究） 纠错

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

AI总结 PLGC提出一种无需真实标签的自监督图压缩方法，通过伪标签和结构统计优化，提升在噪声或弱标记环境下的鲁棒性和性能。

Bias in the Shadows: Explore Shortcuts in Encrypted Network Traffic Classification

阴影中的偏差：探索加密网络流量分类中的捷径

Chuyi Wang, Xiaohui Xie, Tongze Wang, Yong Cui

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） 纠错

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

AI总结 本文提出BiasSeeker，一种半自动化的框架，用于检测加密网络流量分类中的数据集特定捷径特征，通过统计相关性分析和类别特定验证策略减少偏差，提升模型泛化能力。

LWMSCNN-SE: A Lightweight Multi-Scale Network for Efficient Maize Disease Classification on Edge Devices

LWMSCNN-SE：一种轻量级多尺度网络，用于边缘设备上高效玉米疾病分类

Fikadu Weloday, Jianmei Su

机构 * st Fikadu Weloday（第一作者） ； nd Jianmei Su（第二作者） 纠错

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

AI总结 LWMSCNN-SE通过轻量级多尺度网络和SE注意力机制，在边缘设备上实现高效玉米疾病分类，兼顾高精度与低计算成本。

Towards Specialized Generalists: A Multi-Task MoE-LoRA Framework for Domain-Specific LLM Adaptation

迈向专业化的通用者：一种多任务MoE-LoRA框架用于领域特定LLM适应

Yuxin Yang, Aoxiong Zeng, Xiangquan Yang

机构 * Shanghai University（上海大学） ； East China Normal University（东华大学） 纠错

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

AI总结 本文提出Med-MoE-LoRA框架，通过结合MoE与LoRA实现高效多任务领域适应，尤其适用于医学场景，有效解决领域知识获取与通用能力保留的难题。

Comments Work in Progress

Bi-cephalic self-attended model to classify Parkinson's disease patients with freezing of gait

双头自注意力模型用于分类帕金森病患者冻结步态

Shomoita Jahid Mitin, Rodrigue Rizk, Maximilian Scherer, Thomas Koeglsperger, Daniel Lench, KC Santosh, Arun Singh

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

AI总结 本研究提出双头自注意力模型，通过结合EEG信号与描述性特征，实现对帕金森病患者冻结步态的高效分类。

Comments 39 pages, 9254 words, 4 figures, 4 tables, European Journal of Neuroscience: Special edition FOG

CEEMDAN-Based Multiscale CNN for Wind Turbine Gearbox Fault Detection

基于CEEMDAN的多尺度CNN用于风力涡轮机齿轮箱故障检测

Nejad Alagha, Anis Salwa Mohd Khairuddin, Obada Al-Khatib, Abigail Copiaco

机构 * College of Engineering and Information Technology, University of Dubai（迪拜大学工程与信息技术学院） ； Department of Electrical Engineering, University of Malaya（马来大学电气工程系） ； School of Engineering, University of Wollongong in Dubai（迪拜大学学院工程学院） 纠错

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

AI总结 本文提出结合CEEMDAN与MSCNN的风力涡轮机齿轮箱故障检测方法，实现98.95%的高准确率诊断。

Comments conference paper

A Synoptic Review of High-Frequency Oscillations as a Biomarker in Neurodegenerative Disease

对高频率振荡作为神经退行性疾病生物标记物的综述

Samin Yaser, Mahad Ali, Yang Jiang, Phuc Nguyen, Jing Xiang, Laura J. Brattain

专题命中 诊断辅助 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文综述了HFOs在神经退行性疾病中的应用，分析了公开数据集并揭示了方法学异质性，为HFOs作为生物标记物的研究提供了指导。

Utilising physics-guided deep learning to overcome data scarcity

利用物理引导的深度学习克服数据稀缺

Jinshuai Bai, Laith Alzubaidi, Qingxia Wang, Ellen Kuhl, Mohammed Bennamoun, Yuantong Gu

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

AI总结 本文提出利用物理引导的深度学习方法，在数据稀缺情况下提升模型的准确性和泛化能力，并探讨其在多个领域的应用与未来发展方向。

Comments This submission has been withdrawn because the manuscript is a review-type work that has become substantially out of date. Further assessment indicated that several sections were incomplete and did not adequately reflect the current state of the literature. The authors therefore plan to develop a new manuscript and may submit it elsewhere

Detection of Deployment Operational Deviations for Safety and Security of AI-Enabled Human-Centric Cyber Physical Systems

面向AI赋能的人本型网络物理系统的部署操作偏差检测

Bernard Ngabonziza, Ayan Banerjee, Sandeep K. S. Gupta

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

AI总结 本文提出了一种基于个性化图像的新技术，用于检测AI赋能的人本型网络物理系统在部署中的操作偏差，以确保其安全性和可靠性。

Unlocking the Pre-Trained Model as a Dual-Alignment Calibrator for Post-Trained LLMs

解封预训练模型作为后训练LLMs的双对齐校准器

Beier Luo, Cheng Wang, Hongxin Wei, Sharon Li, Xuefeng Du

机构 * Department of Statistics and Data Science, Southern University of Science and Technology（统计与数据科学系，南方科技大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； Department of Computer Sciences, University of Wisconsin-Madison（计算机科学系，威斯康星大学麦迪逊分校） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 本文提出Dual-Align方法，通过双对齐策略校正后训练LLMs的置信度漂移和过程漂移，提升校准性能。

Topology-aware Pathological Consistency Matching for Weakly-Paired IHC Virtual Staining

基于拓扑的病理一致性匹配用于弱配对IHC虚拟染色

Mingzhou Jiang, Jiaying Zhou, Nan Zeng, Mickael Li, Qijie Tang, Chao He, Huazhu Fu, Honghui He

机构 * Guangdong Research Center of Polarization Imaging and Measurement Engineering Technology（广东极化成像与测量工程研究中心） ； Shenzhen Key Laboratory for Minimal Invasive Medical Technologies（深圳微创医疗技术重点实验室） ； Institute of Biopharmaceutical and Health Engineering（生物制药与健康工程研究院） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际 Graduate School） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出基于拓扑的病理一致性匹配方法，用于解决H&E到IHC虚拟染色中的弱配对问题，通过拓扑感知一致性匹配和拓扑约束病理匹配提升生成质量与临床相关性。

XAI-MeD: Explainable Knowledge Guided Neuro-Symbolic Framework for Domain Generalization and Rare Class Detection in Medical Imaging

XAI-MeD: 可解释知识引导的神经符号框架用于医学影像中的领域泛化和稀有类别检测

Midhat Urooj, Ayan Banerjee, Sandeep Gupta

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

AI总结 XAI-MeD通过整合临床知识的神经符号框架，提升医学影像中领域泛化和稀有类别检测的性能，实现更鲁棒和可解释的多模态医学AI。

Comments Accepted at AAAI Bridge Program 2026

Pediatric Pneumonia Detection from Chest X-Rays:A Comparative Study of Transfer Learning and Custom CNNs

儿童肺炎从胸部X光片检测：迁移学习与定制CNNs的比较研究

Agniv Roy Choudhury

机构 * Department of Computer Science University of Texas at Austin（计算机科学系德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本研究通过比较迁移学习与定制CNNs在儿童肺炎检测中的性能，发现微调迁移模型在准确率、F1分数和AUC上均优于从头训练模型，具有在资源有限地区应用的潜力。

GPF-Net: Gated Progressive Fusion Learning for Polyp Re-Identification

GPF-Net：门控渐进融合学习用于息肉重识别

Suncheng Xiang, Xiaoyang Wang, Junjie Jiang, Hejia Wang, Dahong Qian

机构 * Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Shanghai Fifth People's Hospital（上海第五人民医院） 纠错

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

AI总结 GPF-Net通过门控渐进融合学习提升息肉重识别性能，结合多模态融合策略优于现有单模态模型。

Comments Work in progress