医学 AI

Prediction of Cellular Identities from Trajectory and Cell Fate Information

从轨迹和细胞命运信息预测细胞身份

Baiyang Dai, Jiamin Yang, Hari Shroff, Patrick La Riviere

专题命中 生物医学文本 ：分类 cs.CV、cs.LG、q-bio；biomedical(journal_ref)

AI总结 本文提出利用机器学习从时间延展图像中预测细胞身份，通过分析细胞轨迹和命运信息，达到91%以上的分类准确率，展示了时空特征在细胞身份预测中的有效性。

Journal ref 2024 IEEE International Symposium on Biomedical Imaging (ISBI), Athens, Greece, 2024, pp. 1-5

CRISPR-GPT for Agentic Automation of Gene-editing Experiments

Yuanhao Qu, Kaixuan Huang, Ming Yin, Kanghong Zhan, Dyllan Liu, Di Yin, Henry C. Cousins, William A. Johnson, Xiaotong Wang, Mihir Shah, Russ B. Altman, Denny Zhou, Mengdi Wang, Le Cong

专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio

Comments Accepted to Nature Biomedical Engineering

Characterisation of Anti-Arrhythmic Drug Effects on Cardiac Electrophysiology using Physics-Informed Neural Networks

Ching-En Chiu, Arieh Levy Pinto, Rasheda A Chowdhury, Kim Christensen, Marta Varela

专题命中 生物医学文本 ：diagnosis(abstract)；分类 q-bio；biomedical(comments)

Comments Accepted for publication in the 21st IEEE International Symposium on Biomedical Imaging 2024

Experimental and Theoretical Brownian Dynamics Analysis of Ion Transport During Cellular Electroporation of E. coli Bacteria

Juan González-Cuevas, Ricardo Argüello, Marcos Florentin, Franck M. André, Lluis Mir

专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio

Comments Annals of Biomedical Engineering, 2023

Developing a Knowledge Graph Framework for Pharmacokinetic Natural Product-Drug Interactions

Sanya B. Taneja, Tiffany J. Callahan, Mary F. Paine, Sandra L. Kane-Gill, Halil Kilicoglu, Marcin P. Joachimiak, Richard D. Boyce

专题命中 生物医学文本 ：biomedical(abstract,journal_ref)；分类 q-bio

Journal ref Journal of Biomedical Informatics 140 (2023) 104341

Probabilistic Broken-Stick Model: A Regression Algorithm for Irregularly Sampled Data with Application to eGFR

Norman Poh, Simon Bull, Santosh Tirunagari, Nicholas Cole, Simon de Lusignan

专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio

Comments Preprint submitted to Journal of Biomedical Informatics

Structuring research methods and data with the Research Object model: genomics workflows as a case study

Kristina M. Hettne, Harish Dharuri, Jun Zhao, Katherine Wolstencroft, Khalid Belhajjame, Stian Soiland-Reyes, Eleni Mina, Mark Thompson, Don Cruickshank, Lourdes Verdes-Montenegro, Julian Garrido, David de Roure, Oscar Corcho, Graham Klyne, Reinout van Schouwen, Peter A. C. 't Hoen, Sean Bechhofer, Carole Goble, Marco Roos

专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio

Comments 35 pages, 10 figures, 1 table. Submitted to Journal of Biomedical Semantics on 2013-05-13, resubmitted after reviews 2013-11-09, 2014-06-27. Accepted in principle 2014-07-29. Published: 2014-09-18 http://www.jbiomedsem.com/content/5/1/41. Research Object homepage: http://www.researchobject.org/

In Silico Analysis of Tandem Repeats in GIF of Gastric Parietal Cells

Sim-Hui Tee

专题命中 生物医学文本 ：biomedical(abstract,comments)；分类 q-bio

Comments Submitted to Journal of Biomedical Engineering Research

Entity-Constrained CBCT Retrieval for Low-Resource Dental Record Completion

用于低资源牙科记录补全的实体约束锥形束计算机断层扫描（CBCT）检索

Nhi Ngoc-Yen Nguyen, Thai Nguyen, Kiet Huynh Cao Tuan, Huy-Hieu Pham

机构 * VinUniversity ； Vietnam National University Ho Chi Minh City（胡志明市国家大学） ； University of Science（科学大学） 纠错

专题命中 生物医学文本 ：diagnosis(abstract)；分类 cs.CV

AI总结 针对低资源牙科记录补全难题，提出实体约束CBCT引导检索框架，其在MMDental任务3验证集与测试集上均优于基线方法，获测试阶段第二名，证实控制多模态证据修改范围比传输完整记录更可靠。

Comments Accepted at the ODIN 2026 Workshop, MICCAI 2026

Structure is information: structural identifiability mappings for machine learning with partially observed dynamical systems

结构即信息：部分观测动力学系统机器学习的结构可识别性映射

Janis Norden, Elisa Oostwal, Michael Chappell, Peter Tino, Kerstin Bunte

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 该研究针对部分观测动力学系统机器学习中结构不可识别导致的分类性能问题，采用结构可识别性分析关联同输出参数配置并用于分类器训练，在生物医学示例模型上显著提升了小训练集下的分类泛化能力。

Comments 16 pages, 19 figures

Deep Unfolding Network for Nonlinear Multi-Frequency Electrical Impedance Tomography

Giovanni S. Alberti, Damiana Lazzaro, Serena Morigi, Luca Ratti, Matteo Santacesaria

机构 * MaLGa Center, Department of Mathematics, University of Genova（马尔加中心、数学系、热那亚大学） ； University of Bologna, Department of Mathematics（博洛尼亚大学、数学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

Journal ref Journal of Computational Physics, Volume 567, 2026, 115293

Estimating Parameter Fields in Multi-Physics PDEs from Scarce Measurements

从稀少测量中估计多物理PDEs中的参数场

Xuyang Li, Mahdi Masmoudi, Rami Gharbi, Nizar Lajnef, Vishnu Naresh Boddeti

机构 * Michigan State University（密歇根州立大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文提出Neptune方法，通过独立坐标神经网络有效估计多物理PDEs中的参数场，显著优于现有方法，在稀少测量下实现高精度参数估计和动态响应预测。

Concept-based explanation of gene expression prediction from H&E images

基于概念的H&E图像基因表达预测解释

Amos Muench, Jonathan Thielmann, Reduan Achtibat, Maximilian Dreyer, Philip Bischoff, Caroline Forsythe, Hamidreza Parand, Thomas Walter, David Horst, Sebastian Lapuschkin, Wojciech Samek, Teresa Gabriela Krieger

机构 * Institute of Pathology – Charité Universitätsmedizin（夏里特医学院病理学研究所） ； Fraunhofer Heinrich-Hertz-Institute（弗劳恩霍夫海因里希·赫兹研究所） ； Center for Computational Biology (CBIO), Mines Paris, PSL University（巴黎矿业学院计算生物学中心（巴黎文理研究大学）） ； Institut Curie, PSL University（居里研究所（巴黎文理研究大学）） ； German Cancer Research Center (DKFZ)（德国癌症研究中心） ； Technological University Dublin（都柏林理工大学） ； Technische Universität Berlin（柏林工业大学） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所） 纠错

专题命中 生物医学文本 ：pathology(abstract)；分类 cs.CV

AI总结 本研究提出结合相关性传播与概念发现的可解释ViT框架，用于从H&E图像预测空间转录组学，可关联分子表型与组织形态，能准确预测结直肠癌相关ST特征并分层患者结局。

Domain-Agnostic Neural Topic Modeling with Contextual Token-Level Semantic Graph Representation

基于上下文词级语义图表示的领域无关神经主题模型

Seung-Won Seo, Won Ik Cho, Yongmin Yoo

机构 * TelePIX AI Center（TelePIX人工智能中心） ； Samsung Electronics（三星电子） ； School of Computing & Frontier AI Research Centre Macquarie University（麦考瑞大学计算与前沿人工智能研究中心） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 该研究提出领域无关框架DARTopic，通过构建词级语义图并联合训练GNN编码器与主题推理模块，在多领域基准测试中优于基线且效率更优。

One Score, Two Decisions: Selective Prediction on the Rare-Disease Tail

一个分数，两个决策：针对罕见疾病尾部的选择性预测

Zhaoyang Jiang, Zhizhong Fu, Yunsoo Kim, Zicheng Li, Xuanqi Peng, Fei Teng, Jiacong Mi, Honghan Wu

机构 * School of Health & Wellbeing, University of Glasgow（格拉斯哥大学健康与福祉学院） ； Shanghai Sixth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属第六人民医院） ； School of Life Science and Technology, University of Electronic Science and Technology of China（电子科技大学生命科学与技术学院） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 针对罕见疾病尾部的选择性预测，研究发现现有小型开放权重LLM在超罕见疾病上表现受限，前两位边际可提升部分病例选择性准确率，且仅未标记分数无法确定边际切换是否有益。

AutoSchema: Live Schema Grounding for Agentic Text-to-Sparql over Heterogeneous Knowledge Graphs

AutoSchema：面向异构知识图谱的智能体文本转SPARQL的实时模式接地

Yiming Zhang, Koji Tsuda

机构 * The University of Tokyo（东京大学） ； National Institute for Materials Science（国立材料科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所高级智能项目中心） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 提出无需训练的AutoSchema框架，用于异构知识图谱的智能体文本转SPARQL的实时模式接地，在多项生物医学KGQA等任务中优于TogoMCP，可支持未记录RDF图谱。

Novel Knowledge-Guided Generative Methods for Synthetic Transcriptomic Data

面向合成转录组数据的新型知识引导生成方法

Francesca Pia Panaccione, Sofia Mongardi, Marco Masseroli, Pietro Pinoli

机构 * Politecnico di Milano（米兰理工大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 该研究针对转录组数据的获取限制，提出并基准测试三种生成对抗网络变体，其中MK-TGAN模型结合图神经网络整合先验知识，生成的合成转录组数据真实性与实用性更优。

Class Geometry as Supervision for Sample-Efficient Open-World Detection

类别几何作为样本高效开放世界检测的监督信号

Akash Rao, Zhou Chen, Revanth Reddy Palem, Udhav Ramachandran, Ruth Scimeca, Sathyanarayanan N. Aakur

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV

AI总结 该研究针对开放世界目标检测的数据稀缺挑战，提出类别几何监督（CGS）框架，通过保留类别间关系结构提升样本效率，在多任务场景中验证了其有效性。

Comments Under review. 12 Pages, 5 figures, 4 tables

SpinCastML an Open Decision-Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling and Inverse Monte Carlo Approach

SpinCastML：一种用于电纺制造逆向设计的开源决策应用：一种机器学习、最优采样和逆蒙特卡洛方法

Elisa Roldan, Tasneem Sabir

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 SpinCastML通过机器学习和逆蒙特卡洛方法实现电纺逆向设计，整合化学约束和分布感知，提高纤维直径预测精度和设计效率。

Comments Paper published at https://doi.org/10.1021/acsomega.6c07333. The associated software developed in this study is released under the GNU GPL 3.0 license and is openly available as a citable archive at https://doi. org/10.5281/zenodo.18557989

Journal ref Elisa Roldan, Tasneem Sabir; SpinCastML An Open Decision Making Application for Inverse Design of Electrospinning Manufacturing: A Machine Learning, Optimal Sampling, and Inverse Monte Carlo Approach. ACS Omega 2026

Conditional Independence Tests for Constraint-Based Causal Discovery: A Survey

基于约束的因果发现的条件独立性检验：综述

Pavel Averin, Theodoros Moysiadis, Ioannis Katakis

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 该综述针对生物医学领域常见的高维混合类型场景，梳理六大类条件独立性检验方法，分析其优缺点，关联测试级与图级错误，对比主流库应用并总结开放挑战。

Comments 33 pages. Published in Transactions on Machine Learning Research (07/2026). https://openreview.net/forum?id=3jzafJK8Tz

Journal ref Transactions on Machine Learning Research (07/2026)

Demystifying Prediction Powered Inference

解开预测驱动推断之谜

Yilin Song, Dan M. Kluger, Harsh Parikh, Tian Gu

机构 * Department of Biostatistics, Columbia Mailman School of Public Health（哥伦比亚大学生物统计学系、哥伦比亚大学马利曼公共卫生学院） ； Institute for Data, Systems, and Society, Massachusetts Institute of Technology（麻省理工学院数据、系统和社会研究所） ； Department of Biostatistics, Yale School of Public Health（耶鲁大学生物统计学系） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本文通过整合PPI的理论基础和方法学扩展，提供统一的实用工作流程，帮助研究人员负责任地应用预测驱动推断。

Comments updated manuscript

Frequency demodulation with magnetoelectric coreshells: A novel approach to enhanced bio-stimulation

磁电核壳结构的频率解调：一种增强生物刺激的新方法

Ram Prasadh Narayanan, Ali Khaleghi, Ilangko Balasingham

专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP

AI总结 该研究提出利用磁电核壳器件的非线性特性实现频率解调与生物刺激，通过多物理场仿真和跨模型验证证实其可诱导神经细胞膜电位，有望开发为多功能局部化核壳用于生物医学领域。

Comments 6 pages, 7 figures, 1 table. CC BY 4.0. Supported by B-CRATOS project, Horizon 2020 FET-OPEN, grant 965044, and ERCIM Alain Bensoussan Fellowship Programme

Journal ref Proceedings of the 10th ACM International Conference on Nanoscale Computing and Communication (NANOCOM 2023), September 20-22, 2023, Coventry, UK, pp. 59-64

SynCoTrain: A Dual Classifier PU-learning Framework for Synthesizability Prediction

Sasan Amariamir, Janine George, Philipp Benner

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

A Scale-adaptive Vision Model Links C. elegans Neuronal Morphology to Behavior for Neurotoxicity Assessment

一种尺度自适应视觉模型将秀丽隐杆线虫神经元形态与行为联系起来用于神经毒性评估

Haochao Ying, Shenchong Lv, Yutao Sun, Zijian Tu, Xufeng Jin, Yuyang Xu, Yizhe Wang, Wei Yang, Xiaomin Yue, Jian Wu, Peilin Yu

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV

AI总结 研究针对神经毒性评估难题，引入专用自监督视觉模型及多粒度共聚焦基准，提出尺度自适应掩码图像建模策略，在多任务中超越基础模型，融合特征可预测行为缺陷，筛选化学品发现新神经毒性决定因素，为评估和药物发现提供新方法。

Local Causal Structure Learning in the Presence of Latent Variables and Selection Bias

存在潜在变量和选择偏差时的局部因果结构学习

Zheng Li, Hao Zhang, Ruxin Wang, Ruichu Cai, Kun Zhang, Feng Xie

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究存在潜在变量和选择偏差时的局部因果结构学习，提出LoCaLS算法，刻画局部区域并建立理论桥梁，该算法在标准假设下合理完备，实验证明其结构精度高于局部方法且计算量小于全局方法，在生物数据分析中有实际应用。

One-Shot Generative Design for Disordered Metamaterials via Self-Organizing Neural Cellular Automata

通过自组织神经细胞自动机实现无序超材料的一次性生成设计

Yujie Xiang, Liwei Wang

机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 研究针对无序超材料设计难题，提出基于神经细胞自动机的生成设计框架，仅需单个训练模板，能生成多样微观结构并适应不同域，通过操纵局部规则实现特定性能控制，在多尺度机械隐身设计中验证了其有效性，为相关领域提供了新方法。

Quantifying the complexity of trajectory ensembles with clustering-weighted multivariate multiscale sample entropy

用聚类加权多元多尺度样本熵量化轨迹集合的复杂性

Chenxiao Tian, J/"urgen Hackl

专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP

AI总结 研究针对轨迹集合数据，提出聚类加权多元多尺度样本熵（CWMMSE），可分组轨迹并加权其动态复杂性，分离个体复杂性和总体多样性，通过多系统验证其排序与平均法不同，表明应测量总体复杂性而非求平均。

ROOFS: RObust biOmarker Feature Selection

ROOFS：稳健的生物标志物特征选择

Anastasiia Bakhmach, Paul Dufossé, Simon Charpigny, Florence Monville, Laurent Greillier, Fabrice Barlési, Sébastien Benzekry

机构 * Inria（法国国家信息与自动化技术研究院） ； Inserm（法国国家健康与医学研究中心） ； Centre Inria Sophia Antipolis - Méditerranée（Inria 南法地中海研究中心） ； Centre de Recherches en Cancérologie de Marseille（马赛癌症研究中心） ； Inserm U1068 ； CNRS UMR7258（国家科学研究中心UMR7258） ； Institut Paoli-Calmettes（Paoli-Calmettes研究所） ； Pharmacy faculty, Aix-Marseille University（阿维尼翁-马赛大学药学院） ； Veracyte SAS（Veracyte SAS公司） ； Assistance Publique-Hôpitaux de Marseille (APHM)（马赛公共医院 (APHM)） ； Gustave Roussy（Gustave Roussy研究所） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 针对生物医学数据特征选择难题，提出ROOFS Python包，在肺癌抗PD-(L)1免疫治疗耐药预测数据上对多种特征选择方法基准测试，评估23种方法与11种分类器组合，确定最优方法，可提高特征选择可重复性与临床模型转化价值。

Comparison of Dimension Reduction Methods for EEG Seizure Detection Using Autonomous AI-Driven Optimization

使用自主人工智能驱动优化的脑电图癫痫检测降维方法比较

Annika Stiehl, Vishal Kagade, Nicolas Weeger, Nicole Ille, Stefan Geißelsöder, Christian Uhl

专题命中 生物医学文本 ：biomedical(abstract)；分类 eess.SP

AI总结 研究比较PCA、DyCA、DMD、AVD四种降维方法用于脑电图癫痫检测，通过自主人工智能驱动框架优化架构和超参数，结果显示基于方差的方法性能更优，最佳分类器架构因表示而异，突出输入表示重要性及自主实验的可行性。

Comments Accepted to BMT 2026

Exploring the Reversal Curse and Other Deductive Logical Reasoning in BERT and GPT-Based Large Language Models

探索BERT和GPT类大语言模型中的反向诅咒及其他演绎逻辑推理

Da Wu, Jingye Yang, Kai Wang

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本研究发现BERT对反向诅咒免疫，而GPT在处理多集合逻辑推理时存在困难，揭示了两种模型在简单与复杂逻辑推理中的差异。

Comments Final revision. To appear in Patterns