医学 AI

Toward Federated Multimodal Graph Foundation Models: A Topology-Aware Multimodal Alignment Framework

迈向联邦多模态图基础模型：一种拓扑感知多模态对齐框架

Xunkai Li, Guohao Fu, Yuming Ai, Zhengyu Wu, Hongchao Qin, Rong-Hua Li, Guoren Wang

机构 * Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 研究针对多模态属性图分散在不同隐私受限孤岛的问题，提出FedGAMMA框架，将联邦多模态图基础学习视为两阶段语义结构对齐问题，经实验验证该框架在下游任务中表现出色，超越诸多基线，在少样本学习场景下也有优势。

Comments Under Review

A Temporal Machine Learning-Based Time-to-Event Model for Predicting ALS Progression and Healthcare Utilization

基于时间序列机器学习的事件发生时间模型预测肌萎缩侧索硬化症进展及医疗保健利用情况

Zongliang Yue, Qi Li, Terry Heiman-Patterson, Frank Bearoff, Zhaohui Qin, Huanmei Wu

机构 * Harrison College of Pharmacy, Auburn University（奥本大学哈里森药学院） ； Fisk University（菲斯克大学） ； Lewis Katz School of Medicine, Temple University（天普大学刘易斯·卡茨医学院） ； Emory University（埃默里大学） ； Barnett College of Public Health, Temple University（天普大学巴尼特公共卫生学院） 纠错

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

AI总结 研究针对ALS预测临床有意义事件的挑战，开发受数字孪生启发的事件发生时间框架，整合多源数据，经聚类、建模等确定功能域及预测因素，构建TTE模型，能生成个性化生存曲线，为ALS相关决策支持提供可行方法。

MedRealMM: A Real-World Multimodal Benchmark for Chinese Online Medical Consultation

MedRealMM：用于中国在线医疗咨询的真实世界多模态基准测试

Runhan Shi, Quan Zhou, Yuqian Xu, Shuai Yang, Xin Wu, Zitong Zhou, Hui Liu, Bin Zha, Zheming Wang, Liya Li, Wei Wei, Jinru Ding, Wenrao Pang, Mouxiao Bian, Haoyuan Hu, Jun Xu, Jie Xu

专题命中 医学数据与评测 ：medical image(abstract)；分类 cs.CV

AI总结 研究针对现有在线医疗咨询基准与实际临床实践契合度差的问题，构建MedRealMM基准测试，用多模态临床挑战点提取框架转化任务并设评分标准，评估多个大语言模型，指出图像信息重要，前沿模型有不足，为多模态医学推理评估提供现实可重复基准。

Addressing Benchmarking Gaps in Large Language Models for Health and Medicine with Dynamic Red-Teaming

超越基准：动态、自动和系统化的红队代理用于可信的医疗语言模型

Jiazhen Pan, Bailiang Jian, Paul Hager, Yundi Zhang, Che Liu, Friederike Jungmann, Hongwei Bran Li, Julian Canisius, Chenyu You, Junde Wu, Jiayuan Zhu, Fenglin Liu, Yuyuan Liu, Niklas Bubeck, Moritz Knolle, Chen, Chen, Christian Wachinger, Zhenyu Gong, Cheng Ouyang, Georgios Kaissis, Benedikt Wiestler, Daniel Rueckert

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； University of Oxford（牛津大学） ； TUM University Hospital（慕尼黑技术大学医院） ； Imperial College London（伦敦帝国理工学院） ； Harvard Medical School（哈佛医学院） ； Stony Brook University（史泰兹布鲁克大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Sheffield（谢菲尔德大学） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)；分类 cs.LG

AI总结 本文提出DAS红队框架，通过动态压力测试揭示医疗语言模型在鲁棒性、隐私、偏见和幻觉方面的潜在风险，发现高静态基准性能与低动态可靠性之间的'基准差距'。

Evaluating Frontier AI Agents as Autonomous Clinical Security Auditors

评估前沿人工智能代理作为自主临床安全审计员

Michael O. Eniolade

机构 * University of the Cumberlands（坎伯兰大学） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)；分类 cs.LG

AI总结 研究旨在评估前沿人工智能代理能否自主进行临床人工智能安全审计。基于METR任务标准构建评估任务，让代理按要求实施攻击、计算得分并编写报告。通过对三个前沿模型在不同数据集和模型架构上的评估，得出各模型表现及成本等情况，部分成果已公开。

Comments 29 pages, 2 figures, 7 tables

FM$^2$: Unified Federated Foundation Models for Heterogeneous Multimodal Medical Imaging

FM$^2$：用于异构多模态医学成像的统一联邦基础模型

Shengchao Chen, Ting Shu

机构 * School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； Australian AI Institute, University of Technology Sydney（悉尼科技大学澳大利亚人工智能研究所） 纠错

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

AI总结 针对医学成像基础模型构建中隐私与任务统一问题，提出FM$^2$框架，通过从头训练核心主干、结合预训练编码器、配备双混合专家模块及正则化器，并引入字幕增强学习，实现跨模态泛化，优于现有联邦基线。

Comments Accepted by ACM MM 2026 (Main Track): the 34th ACM International Conference on Multimedia

DermDepth: Toward Monocular Metric Scale 3D Reconstruction Models for Dermatology

DermDepth：迈向用于皮肤病学的单目度量尺度3D重建模型

Héctor Carrión, Narges Norouzi

机构 * University of California, Santa Cruz（加利福尼亚大学圣克鲁兹分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） 纠错

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

AI总结 研究针对皮肤病学实践中常用2D方法的现状，提出DermDepth单视图度量尺度3D模型及D-Synth数据集，经实验训练和微调，能有效校正度量尺度误差，在多基准通用并与医学文献测量结果一致。

Comments Accepted at MICCAI 2026

ScatterPrism: convergence for generative simulation and inverse problems in particle and nuclear physics

ScatterPrism：粒子与核物理中生成模拟与逆问题的收敛性

Zeyu Xia, Tyler Kim, Trevor Reed, Judy Fox, Geoffrey Fox, Adam Szczepaniak

机构 * University of Maryland（马里兰大学） 纠错

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

AI总结 针对条件流匹配（CFM）在粒子物理模拟中损失函数过早收敛的问题，提出ScatterPrism生成代理模型，结合物理信息指标确保真实运动学保真度，并推广至高能物理等领域。

Comments 23 pages, 16 figures. Published in Journal of Instrumentation (AI4EIC 2025 proceedings)

Journal ref JINST 21, C07012 (2026)

Evaluating GAN-LSTM for Smart Meter Anomaly Detection in Power Systems

评估GAN-LSTM在电力系统智能电表异常检测中的应用

Fahimeh Orvati Nia, Shima Salehi, Joshua Peeples

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 eess.SP

AI总结 本文提出GAN-LSTM框架用于智能电表异常检测，通过LEAD数据集验证其在电力系统中的有效性，实现F1得分为0.89。

Comments Accepted to IEEE Texas Power and Energy Conference (TPEC) 2026. 6 pages, 5 figures. Code available at https://github.com/fahimehorvatinia/GAN-LSTM-Smart-Meter-Anomaly-Detection

Journal ref 2026 IEEE Texas Power and Energy Conference (TPEC), 2026

A Production-Oriented Framework for Evaluation of SFX Generation

一种面向生产的声效生成评估框架

Mélodie Desbos, Yara Bahram, Eric Granger, Mohammadhadi Shateri

专题命中 医学数据与评测 ：diagnosis(abstract)；分类 eess.SP

AI总结 针对工业声音设计中声效生成评估问题，提出面向生产的评估框架，通过确定生产要求、两阶段协议及结合客观指标与人类研究，揭示不同基线的优势权衡，为声效变化评估建立协议并为设计音频生成管道提供基础。

Comments 8 pages main paper, 7 pages appendix, Proceedings of the 29th International Conference on Digital Audio Effects (DAFx26)

OptiGradTrust: Byzantine-Robust Federated Learning with Multi-Feature Gradient Analysis and Reinforcement Learning-Based Trust Weighting

OptiGradTrust: 带多特征梯度分析和基于强化学习的信任加权的鲁棒联邦学习

Mohammad Karami, Fatemeh Ghassemi, Hamed Kebriaei, Hamid Azadegan

机构 * School of Electrical and Computer Engineering, University of Tehran, Tehran, Iran（电气与计算机工程学院，德黑兰大学，德黑兰，伊朗） 纠错

专题命中 医学数据与评测 ：MRI(abstract)；分类 cs.LG

AI总结 OptiGradTrust通过多特征梯度分析和强化学习信任加权，提升联邦学习在拜占庭攻击和数据异质性下的鲁棒性和准确性。

FedSPM: Routing-Enabled Federated Learning under Dual Heterogeneity via Semiparametric Mixture

FedSPM：通过半参数混合在双重异质性下实现支持路由的联邦学习

Zijian Wang, Pengfei Li, Guangyu Yang, Qiong Zhang

机构 * Institute of Statistics and Big Data, Renmin University of China（中国人民大学统计与大数据研究院） ； Department of Statistics and Actuarial Science, University of Waterloo（滑铁卢大学统计与精算科学系） 纠错

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

AI总结 针对路由预测联邦学习中未考虑客户端内潜在亚群致双重异质性影响路由和预测的问题，提出FedSPM框架，用特定客户端潜在组件表示客户端，结合分类预测与路由特征分布，开发算法并证明收敛，实验验证其有效性。

Trajectory-Aware Information Matching for Multi-Step Gradient Inversion in Federated Learning

联邦学习中用于多步梯度反演的轨迹感知信息匹配

Li Xia, Jing Yu, Zheng Liu, Sili Huang, Wei Tang, Xuan Liu

机构 * Key Laboratory of Ethnic Language Intelligent Analysis and Security Governance of MOE, Minzu University of China（民族语言智能分析与安全治理教育部重点实验室，中央民族大学） 纠错

专题命中 医学数据与评测 ：medical image(abstract)；分类 cs.LG

AI总结 针对联邦学习梯度反演攻击问题，提出NL-SME方法，通过构建可学习非线性替代轨迹近似隐藏局部状态，整合轨迹级信息与校准梯度匹配，提升多步梯度反演性能，揭示隐私泄漏风险。

Comments 13 pages, 6 figures, 12 tables

MIBE: Multi-subject Interaction Benchmark and Evaluator for Personalized Image Generation

MIBE：面向个性化图像生成的多主体交互基准与评估器

Zhihan Chen, Yuhuan Zhao, Yijie Zhu, Xinyu Yao, Mengcong Ren, Suwen Wang, Qiuyang Yin, Yuchen Sun, Qin Wang, Lu Xin

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； DeerLab LLC（DeerLab有限责任公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Clemson University（克莱姆森大学） ； Google（谷歌） ； San Jose State University（圣何塞州立大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 提出MIBE框架，包含多主体交互基准（MIB）和评估器（MIE），通过解耦数据体制和双头排序诊断目标，解决多主体个性化图像生成中主体遗漏、外观失配和交互错误问题，在黄金集上达到0.922成对准确率。

LLM-Guided ODE Discovery and Parameter Inference from Small-Cohort Aggregate Data

LLM引导的ODE发现与小群体聚合数据的参数推断

Hanning Yang, Meropi Karakioulaki, Lennart Purucker, Tim Litwin, Cristina Has, Moritz Hess

机构 * Institute of Medical Biometry and Statistics, Faculty of Medicine and Medical Center, University of Freiburg（弗莱堡大学医学中心与医学院医学统计与生物统计研究所） ； Department of Dermatology, Medical Faculty and Medical Center, University of Freiburg（弗莱堡大学医学中心与医学院皮肤科） ； Prior Labs, University of Freiburg（弗莱堡大学Prior实验室） 纠错

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

AI总结 提出AgentODE框架，利用LLM提出候选ODE结构，并通过工具增强的推理代理仅基于群体级汇总统计量迭代优化参数分布，实现从稀疏、噪声数据中发现可解释的ODE结构。

Creating Impactful Autonomous Driving Datasets: A Strategic Guide from Research Gap to Benchmark

创建有影响力的自动驾驶数据集：从研究空白到基准的战略指南

Richard Schwarzkopf, Jonas Merkert, Frank Bieder, Annika Bätz, Alexander Blumberg, Carlos Fernandez, Felix Hauser, Fabian Immel, Christian Kinzig, Hendrik Königshof, Fabian Konstantinidis, Martin Lauer, Willi Poh, Nils Rack, Kevin Rösch, Yinzhe Shen, Marlon Steiner, Gleb Stepanov, Dominik Strutz, Ömer Şahin Taş, Julian Truetsch, Kaiwen Wang, Royden Wagner, Jan-Hendrik Pauls, Christoph Stiller

机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（FZI信息技术研究中心） 纠错

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

AI总结 提出一种诊断研究问题类型并选择最小数据操作符填补空白的战略框架，通过KITScenes案例验证，指导中小实验室和初创公司高效创建有影响力的自动驾驶数据集。

Comments Keywords: Autonomous Driving, Dataset Design, Benchmarks, Research Gap Identification. 14 pages, 3 figures

MindEdit-Bench: Benchmarking Object-Level Counterfactual Spatial Reasoning in VLMs from In-the-Wild Photos

MindEdit-Bench：基于野外照片的VLM中对象级反事实空间推理基准

Leyuan Yu, Xiao Tang, Minghao Liu, Xinyuan Li, Xiaokai Bai, Sheng Zhou, Qunshu Lin, Weihao Xuan, Naoto Yokoya

机构 * ZODA ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 提出MindEdit-Bench基准，包含六项空间推理任务，其中两项新任务（L4和L5）测试对象级反事实推理，VLM平均准确率仅8%-31%，远低于人类的81%-97%。

Comments 18 pages, 7 figures. Dataset available at https://huggingface.co/datasets/ZODAOfficial/MindEdit-Bench

On the Reliability of Cue Conflict and Beyond

论线索冲突的可靠性及其超越

Pum Jun Kim, Seung-Ah Lee, Seongho Park, Dongyoon Han, Jaejun Yoo

机构 * Ulsan National Institute of Science and Technology（乌山国立科学研究院） ； College of Medicine, Hanyang University（翰阳大学医学院） ； NAVER AI Lab（NAVER AI实验室） 纠错

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

AI总结 针对现有线索冲突基准在评估形状-纹理偏好时存在不稳定和模糊的问题，提出REFINED-BIAS数据集与评估框架，通过显式定义形状和纹理、构建平衡的线索对及基于排序的度量，实现更可靠和可解释的偏差诊断。

Comments Shape-Texture Bias, Cue Conflict Benchmark

PrISM-IQA: Image Quality Assessment Made Practical for Smartphone Photography

PrISM-IQA：面向智能手机摄影的实用图像质量评估

Shuyan Zhai, Jiaqi He, Weixia Zhang, Liang Wang, Zhenjie Lee, Zufeng Zhang, Kede Ma

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Computer Science, Institute of AI, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院人工智能研究院） ； OPPO Research Institute（OPPO研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

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

AI总结 提出PrISM-IQA，将智能手机IQA重构为多问题有序诊断，预测每个ISP相关问题的严重等级，支持可操作的ISP调优。

COCOLogic-V2: Identifying Logical Inconsistencies via Truly Hard-Negatives

COCOLogic-V2: 通过真正的困难负样本识别逻辑不一致性

David Steinmann, Antonia Wüst, Kristian Kersting, Wolfgang Stammer

机构 * Computer Science Department, TU Darmstadt（达姆施塔特工业大学计算机科学系） ； Hessian Center for AI (hessian.AI)（黑森人工智能中心） ； German Research Center for AI (DFKI)（德国人工智能研究中心） ； Max Planck Institute for Informatics, SIC（马克斯·普朗克信息学研究所SIC） ； RTG Neuroexplicit Models（RTG神经显式模型） 纠错

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

AI总结 提出COCOLogic-V2数据集，通过正样本、近边界和远边界负样本分类，评估模型在真实图像上的视觉归纳推理能力，发现模型在近边界样本上表现差，视觉归纳推理仍是开放挑战。

Federated Learning for ICD Classification with Lightweight Models and Pretrained Embeddings

基于轻量模型和预训练嵌入的ICD分类联邦学习

Binbin Xu, Gérard Dray

机构 * EuroMov Digital Health in Motion, Univ. Montpellier, IMT Mines Ales（EuroMov数字健康运动、蒙彼利埃大学、IMT Mines Ales） 纠错

专题命中 医学数据与评测 ：clinical AI(abstract)；分类 cs.LG

AI总结 本文研究了使用MIMIC-IV数据集中的临床笔记进行多标签ICD代码分类的联邦学习可行性与性能，提出了一种结合冻结文本嵌入和简单多层感知机分类器的轻量级可扩展流程，展示了在分布式医疗环境中隐私保护和部署高效的替代方案。

Comments 20 pages

On-Device Neural Architecture Search

设备上神经架构搜索

Andrea Mattia Garavagno, Edoardo Ragusa, Paolo Gastaldo, Antonio Frisoli, Claudio Loconsole

机构 * 1 Department of Electrical, Electronic, Telecommunication Engineering ； Naval Architecture, DITEN University of Genoa, Genoa 16145, Italy ； 2 Department of Excellence in Robotics \& AI, Scuola Superiore Sant’Anna, Piazza Martiri della Libertà 33, Pisa 56127, Italy ； 3 Institute of Mechanical Intelligence, Scuola Superiore Sant’Anna, Ghezzano, 56010 Pisa, Italy ； 4 Faculty of Technological 纠错

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

AI总结 提出一种在部署设备上直接进行轻量级神经架构搜索的方法，以优化传感器实时数据分析，在人机接口中实现个性化适应，并在两个数据集上验证了其优于现有技术。

PHOEBI: An Open-World Benchmark for Bacterial Identification in Phase-Contrast Microscopy

PHOEBI：用于相差显微镜细菌识别的开放世界基准

Aaditya Baranwal, Md Jahid Hasan, Shruti Vyas

机构 * University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 提出PHOEBI数据集（12万张相差显微镜图像，6种杆状菌的40种组合），通过留出组合评估协议模拟开放世界场景，发现聚合器存在系统性开放世界识别失败，并设计基于锚点的轻量化解码器在未见组合上表现更优。

CourseBlueprint: A Structured Pipeline for Adaptive Pedagogical Video Generation Grounded in Course Corpora

CourseBlueprint：基于课程语料库的自适应教学视频生成的结构化流程

Md Zabirul Islam, Md Motaleb Hossen Manik, Ge Wang

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（计算机科学系，拉特格斯理工学院） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute（生物医学工程系，拉特格斯理工学院） 纠错

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

AI总结 提出CourseBlueprint流程，通过结构化教学蓝图（含先决条件图、自适应控制、参与合约）从课程语料库生成自适应教学视频，实验证明显式教学合约比表面流畅性更关键。

PSyGenTAB: A Privacy-Preserving Framework for Synthetic Clinical Tabular Data Generation via Constrained Optimization

PSyGenTAB：通过约束优化生成合成临床表格数据的隐私保护框架

Arshia Ilaty, Hossein Shirazi, Manasi Chitale, Kedar Hegde, Dhanalakshmi Ramesh, Rashmi S. Manjunath, Amir Rahmani, Hajar Homayouni

机构 * San Diego State University（圣地亚哥州立大学） ； University of California, Irvine（加利福尼亚大学尔湾分校） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)；分类 cs.LG

AI总结 提出PSyGenTAB框架，将合成医疗数据生成建模为约束优化问题，通过增强拉格朗日方法嵌入可配置隐私约束，在保证隐私阈值的同时最大化临床数据效用，实验表明合成数据训练的模型性能与真实数据相当。

Comments 20 pages

Attention mechanisms and transfer learning for robust peach leaf damage classification under domain shift

域偏移下基于注意力机制和迁移学习的鲁棒桃叶损伤分类

Adrián Cánovas-Rodriguez, Miguel A. González-Illán, Maria Fernanda García-Cruz, Pedro Nortes Tortosa, José Salvador Rubio-Asensio, Miguel A. Zamora Izquierdo, Juan Antonio Martínez Navarro, Antonio F. Skarmeta

机构 * Department of Information and Communication Engineering（信息与通信工程系） ； University of Murcia（穆尔西亚大学） ； Department of Irrigation, Centro de Edafología y Biología Aplicada del Segura CEBAS-CSIC（灌溉系，塞格拉应用土壤学与生物技术中心CEBAS-CSIC） 纠错

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

AI总结 提出基于注意力机制和迁移学习的桃叶损伤分类方法，通过CBAM增强EfficientNet模型在公共数据集上达到93.3%准确率，并在本地数据集上通过迁移学习实现93%宏F1分数，有效应对域偏移。

Transfer Learning for FHIR Questionnaire Terminology Binding

面向 FHIR 问卷术语绑定的迁移学习

Maxim Gorshkov

机构 * Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

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

AI总结 将 FHIR 问卷项与 LOINC 代码的绑定视为检索问题，比较六种方法，发现 BioLORD 在 top-1 准确率上最优，而对比微调在 top-5 和 top-10 上表现更好，并分析了分布偏移和错误类型。

How Should World Models Be Evaluated for Embodied Decision-Making? A Decision-Making-Centric Position

世界模型应如何评估？一个以决策为中心的立场

Yang Yu, Shiyuan Zhang, Yifei Sheng, Haoxiang Ren, Haoxin Lin

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Cirquar Technologies 纠错

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

AI总结 本文指出世界模型评估中声明与证据不匹配的问题，提出以决策为中心的评估框架，强调反事实推理、策略优化等能力，并定义L0-L7评估阶梯。

Enabling Granular Subgroup Level Model Evaluations by Generating Synthetic Medical Time Series

通过生成合成医疗时间序列实现细粒度亚组级别模型评估

Mahmoud Ibrahim, Bart Elen, Chang Sun, Gökhan Ertaylan, Michel Dumontier

机构 * Institute of Data Science, Faculty of Science and Engineering, Maastricht University（数据科学研究所，科学与工程学院，马斯特里赫特大学） ； Department of Advanced Computing Sciences, Faculty of Science and Engineering, Maastricht University（先进计算科学系，科学与工程学院，马斯特里赫特大学） ； VITO（VITO研究院） 纠错

专题命中 医学数据与评测 ：medical AI(abstract)；分类 cs.LG

AI总结 本文提出一种框架，利用合成ICU时间序列数据训练和评估预测模型，特别是在细粒度人口亚组中。引入Enhanced TimeAutoDiff，通过分布对齐惩罚增强潜在扩散目标，减少真实-合成与真实-真实评估差距，提升亚组模型评估的鲁棒性和可靠性。

Where, What, Why, and Importance: Structured Defect Grounding for Text-to-Image Feedback

位置、类型、原因与重要性：面向文本到图像反馈的结构化缺陷定位

Huaisong Zhang, Hao Yu, Yuxuan Zhang, Jiahe Wang, Xinrui Chen, Haoxiang Cao, Feng Lu, Wendong Zhang, Changqian Yu, Chun Yuan

机构 * Tsinghua University（清华大学） ； Kolors Team, Kuaishou Technology（快手科技Kolors团队） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； South China Normal University（华南师范大学） 纠错

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

AI总结 提出结构化缺陷定位（SDG）方法，将文本到图像生成中的缺陷诊断建模为结构化集合预测，通过构建SDG-30K数据集和SDG-Eval评估协议，并利用视觉语言模型作为检测器，结合BoxFlow-GRPO将预测的缺陷集合转化为空间奖励以改进扩散模型对齐。

Comments 25 pages, 9 figures