医学 AI

Interpretable Classification of Time Series Using Euler Characteristic Surfaces

利用欧拉特征曲面进行时间序列的可解释分类

Salam Rabindrajit Luwang, Sushovan Majhi, Vishal Mandal, Atish J. Mitra, Md. Nurujjaman, Buddha Nath Sharma

机构 * National Institute of Technology, Department of Physics（国立印度技术学院，物理系） ； George Washington University（乔治·华盛顿大学） ； Montana Technological University, Department of Mathematical Sciences（蒙大拿技术大学，数学科学系） 纠错

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

AI总结 本文提出基于欧拉特征（χ）的欧拉特征曲面（ECS）作为替代拓扑特征，用于高效、时空且离散的时间序列分类，通过稳定性定理和实验验证在多个生物医学数据集上取得高准确率。

CrossADR: enhancing adverse drug reactions prediction for combination pharmacotherapy with cross-layer feature integration and cross-level associative learning

CrossADR: 通过跨层特征整合和跨层关联学习增强联合药疗中不良药物反应预测

Y. Cheung

机构 * School of Mathematical Sciences（数学科学学院） ； Shanghai Key Laboratory of PMMP（PMMP上海重点实验室） ； East China Normal University（华东师范大学） ； Shanghai（上海） ； China（中国） 纠错

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

AI总结 CrossADR通过跨层特征整合和跨层关联学习，提升联合药疗中不良药物反应预测的准确性，其在80种实验场景中均取得最佳性能，并提供高分辨率的药物相关蛋白互作和通路分析。

A Statistical Approach for Modeling Irregular Multivariate Time Series with Missing Observations

一种用于具有缺失观测的不规则多变量时间序列的统计方法

Dingyi Nie, Yixing Wu, C. -C. Jay Kuo

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 本文提出通过提取时间无关的汇总统计量来处理不规则多变量时间序列中的缺失值，通过计算四个关键特征并结合标准分类器，在四个生物医学数据集上取得最佳性能，同时降低计算复杂度。

Comments Accepted for publication in APSIPA Transactions on Signal and Information Processing

Journal ref APSIPA Transactions on Signal and Information Processing, 15(1): 61-75, 2026

Silhouette-Driven Instance-Weighted $k$-means

轮廓驱动的实例加权k-均值

Aggelos Semoglou, Aristidis Likas, John Pavlopoulos

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

AI总结 K-Sil通过轮廓驱动的实例加权改进k-均值，提升聚类效果和稳定性。

Comments 36 pages including appendix

Learning Hierarchical Knowledge in Text-Rich Networks with Taxonomy-Informed Representation Learning

在文本丰富网络中学习层次化知识：基于分类学的表示学习

Yunhui Liu, Yongchao Liu, Yinfeng Chen, Chuntao Hong, Tao Zheng, Tieke He

机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 TIER通过构建隐含层次分类学并整合到节点表示中，提升文本丰富网络的层次化知识学习能力，实现更可解释的结构化建模。

Comments Accepted by KDD 2026. Extended version coming soon

MrBERT: Modern Multilingual Encoders via Vocabulary, Domain, and Dimensional Adaptation

MrBERT：通过词汇、领域和维度适应构建的现代多语言编码器

Daniel Tamayo, Iñaki Lacunza, Paula Rivera-Hidalgo, Severino Da Dalt, Javier Aula-Blasco, Aitor Gonzalez-Agirre, Marta Villegas

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

AI总结 MrBERT通过词汇、领域和维度适应，实现了多语言编码器在特定任务和专业领域中的高性能与高效优化。

Comments 24 pages, 14 tables and 4 figures

Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data

通过流引导神经算子实现自监督学习（时间序列数据）

Duy Nguyen, Jiachen Yao, Jiayun Wang, Julius Berner, Animashree Anandkumar

机构 * Department of Computing and Mathematical Sciences, Caltech（计算与数学科学部，Caltech） ； NVIDIA 纠错

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

AI总结 本文提出流引导神经算子（FGNO）框架，通过结合算子学习与流匹配，实现更灵活的自监督学习，提升时间序列数据表示学习的性能和鲁棒性。

Comments Accepted to NeurIPS 2025 Workshop

Fair feature attribution for multi-output prediction: a Shapley-based perspective

多输出预测的公平特征归因：基于Shapley的视角

Umberto Biccari, Alain Ibáñez de Opakua, José María Mato, Óscar Millet, Roberto Morales, Enrique Zuazua

机构 * \, Chair of Computational Mathematics, DeustoTech, University of Deusto, Avenida de las Universidades 24, 48007 Bilbao, Basque Country, Spain \, Chair for dynamics, control, machine learning ； numerics (Alexander Von Humboldt-Professorship), Department of Mathematics, Friedrich-Alexander-Universit\"at Erlangen-N\"urnberg, 91058, Erlangen, Germany. \, Universidad Aut\'onoma de Madrid, Departamento de Matem\'aticas, Ciudad Universitaria de Cantoblanco, 28049 Madrid, Spain. \, ATLAS Molecular Pharma, Parque Tecnol\'ogico de Bizkaia, Ed. 800, 48160 Derio, Spain. \, Precision Medicine ； Metabolism Laboratory, CIC bioGUNE, Basque Research 纠错

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

AI总结 本文基于Shapley框架，提出多输出预测的公平特征归因方法，揭示了归因规则必须放松经典Shapley公理的结构约束，并通过实验验证了多输出模型在计算效率与解释一致性上的优势。

QCS-ADME: Quantum Circuit Search for Drug Property Prediction with Imbalanced Data and Regression Adaptation

QCS-ADME：用于不平衡数据和回归适应的量子电路搜索

Kangyu Zheng, Tianfan Fu, Zhiding Liang

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

AI总结 QCS-ADME提出了一种无训练评分机制，用于在不平衡数据和回归任务中优化量子电路，通过量化量子态相似性提升ADME预测性能。

Exploring Anti-Aging Literature via ConvexTopics and Large Language Models

通过凸优化和大语言模型探索抗衰老文献

Lana E. Yeganova, Won G. Kim, Shubo Tian, Natalie Xie, Donald C. Comeau, W. John Wilbur, Zhiyong Lu

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

AI总结 本文提出基于凸优化和大语言模型的抗衰老文献主题建模方法，通过稳定且细粒度的主题发现，提升可解释性和可重复性。

GLaDiGAtor: Language-Model-Augmented Multi-Relation Graph Learning for Predicting Disease-Gene Associations

GLaDiGAtor: 基于语言模型的多关系图学习用于预测疾病-基因关联

Osman Onur Kuzucu, Tunca Doğan

机构 * Biological Data Science Lab, Dept. of Computer Engineering, Hacettepe University（生物数据科学实验室，计算机工程系，哈切泰佩大学） ； Dept. of Bioinformatics, Graduate School of Health Sciences, Hacettepe University（生物信息学系，健康科学研究生院，哈切泰佩大学） ； Dept. of Health Informatics, Institute of Informatics, Hacettepe University（健康信息学系，信息学院，哈切泰佩大学） 纠错

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

AI总结 GLaDiGAtor通过整合语言模型特征的异构图学习方法，提升了疾病-基因关联预测的准确性和泛化能力。

FibreCastML: An Open Web Platform for Predicting Electrospun Nanofibre Diameter Distributions

FibreCastML：一个用于预测电纺纳米纤维直径分布的开放式网络平台

Elisa Roldan, Kirstie Andrews, Stephen M. Richardson, Reyhaneh Fatahian, Glen Cooper, Rasool Erfani, Tasneem Sabir, Neil D. Reeves

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

AI总结 FibreCastML通过预测电纺纳米纤维直径分布，提升支架架构的可重复性和数据驱动优化

Transformers for Tabular Data: A Training Perspective of Self-Attention via Optimal Transport

表格数据的Transformer：通过最优传输视角审视自注意力的训练

Alessandro Quadrio, Antonio Candelieri

机构 * Università degli studi di Milano–Bicocca（米兰-比科卡大学） 纠错

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

AI总结 本文提出一种基于最优传输的表格分类方法，通过生成虚拟分布和优化对齐来提升自注意力的训练效率和准确性。

Designing RNAs with Language Models

用语言模型设计RNA

Milan Gautam, Ning Dai, Tianshuo Zhou, Bowen Xie, David Mathews, Liang Huang

机构 * School of EECS ； Dept. of Biochemistry \& Biophysics , Oregon State University , USA ； Center for RNA Biology ； Computational Biology , University of Rochester Medical Center , USA 纠错

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

AI总结 本文提出用自回归语言模型进行RNA设计，通过监督学习和强化学习优化，实现高效生成目标结构的序列。

GraphAgents: Knowledge Graph-Guided Agentic AI for Cross-Domain Materials Design

GraphAgents: 基于知识图谱的多智能体AI用于跨领域材料设计

Isabella A. Stewart, Tarjei Paule Hage, Yu-Chuan Hsu, Markus J. Buehler

机构 * Department of Civil and Environmental Engineering Massachusetts Institute of Technology（土木与环境工程系 马萨诸塞理工学院） ； Department of Mechanical Engineering Massachusetts Institute of Technology（机械工程系 马萨诸塞理工学院） ； Department of Civil and Environmental Engineering Department of Mechanical Engineering Schwarzman College of Computing Massachusetts Institute of Technology（土木与环境工程系 机械工程系 斯沃茨曼计算学院 马萨诸塞理工学院） 纠错

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

AI总结 GraphAgents通过多智能体与知识图谱结合，实现跨领域材料设计，生成可持续替代品并平衡性能与生物相容性。

Statistical inference after variable selection in Cox models: A simulation study

Cox模型中变量选择后的统计推断：一项模拟研究

Lena Schemet, Sarah Friedrich-Welz

机构 * Mathematical Statistics and Artificial Intelligence in Medicine, University of Augsburg（医学中的数学统计与人工智能，乌尔姆大学） ； Center for Advanced Analytics and Predictive Sciences (CAAPS), University of Augsburg（高级分析与预测科学中心（CAAPS），乌尔姆大学） 纠错

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

AI总结 本文通过模拟研究探讨了Cox模型中变量选择后Lasso和适应性Lasso的推断方法，分析了样本分割、精确后选择推断和去偏Lasso的性能，并通过实际数据验证其应用效果。

Contactless estimation of continuum displacement and mechanical compressibility from image series using a deep learning based framework

基于深度学习框架的无接触连续位移和机械压缩性的估计

A. N. Maria Antony, T. Richter, E. Gladilin

机构 * Leibniz Institute for Plant Genetics and Crop Plant Research (IPK)（莱布尼茨植物遗传学与作物植物研究所） ； Otto-von-Guericke Universität Magdeburg（奥托·冯·格里克大学马格德堡分校） 纠错

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

AI总结 本文提出基于深度学习的端到端方法，用于无接触估计连续位移和材料压缩性，通过图像序列直接预测，提升效率与准确性。

Comments 14 Pages, 8 Figures Note: Supplentary information (ancillary file) attached as .pdf

Causal Discovery for Cross-Sectional Data Based on Super-Structure and Divide-and-Conquer

基于超结构和分而治之的横截面数据因果发现

Wenyu Wang, Yaping Wan

机构 * School of Computer Science University of South China（计算机科学学院 南方大学） 纠错

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

AI总结 本文提出一种轻量框架，通过整合弱约束超结构与高效图划分策略，降低CI测试开销，提升大规模因果发现效率。

Comments 7 pages,16 figures

End-to-end audio-visual learning for cochlear implant sound coding simulations in noisy environments

端到端音频视觉学习用于在噪声环境中的人工耳蜗声音编码模拟

Meng-Ping Lin, Enoch Hsin-Ho Huang, Shao-Yi Chien, Yu Tsao

机构 * Graduate Institute of Electronics Engineering（电子工程研究所） ； the Department of Electrical Engineering, National Taiwan University, Taipei 106319, Taiwan（国立台湾大学电子工程系） ； Research Center for Information Technology Innovation Technology, Academia Sinica, Taipei 115201, Taiwan（中科院资讯科技创新研究中心） ； Department of Electrical Engineering, Chung Yuan Christian University, Taoyuan 320314, Taiwan（Chung Yuan Christian University 电子工程系） 纠错

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

AI总结 本文提出了一种端到端的人工耳蜗声音编码系统，通过整合音频视觉信息提升噪声环境中的语音可懂度和信噪比。

Comments 7 pages, 2 figures

Journal ref JASA Express Lett. 6 (2026) 015202

Rational Gaussian wavelets and corresponding model driven neural networks

有理Gaussian小波与相应的模型驱动神经网络

Attila Miklós Ámon, Kristian Fenech, Péter Kovács, Tamás Dózsa

机构 * Eötvös Loránd University（埃斯特哈兹·洛朗大学） ； HUN-REN Institute for Computer Science and Control（HUN-REN计算机科学与控制研究所） ； University of Győr（盖尔堡大学） 纠错

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

AI总结 本文提出有理Gaussian小波及模型驱动神经网络，用于高效信号处理与可解释特征学习，应用于心室逸搏检测。

Comments Submitted to IEEE Transactions on Signal Processing, 2024 (under review)

PaperSearchQA: Learning to Search and Reason over Scientific Papers with RLVR

PaperSearchQA: 基于强化学习与验证奖励的学习科学论文搜索与推理

James Burgess, Jan N. Hansen, Duo Peng, Yuhui Zhang, Alejandro Lozano, Min Woo Sun, Emma Lundberg, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） ； Chan Zuckerberg Biohub Network（查纳·泽克拜尔生物枢纽网络） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 PaperSearchQA通过训练搜索代理在科学论文中进行搜索与推理，提升技术问答能力，为未来的人工智能科学家系统奠定基础。

Comments EACL 2026

Signal Recovery Using a Spiked Mixture Model

利用尖峰混合模型进行信号恢复

Paul-Louis Delacour, Sander Wahls, Jeffrey M. Spraggins, Lukasz Migas, Raf Van de Plas

机构 * Delft University of Technology（代尔夫特理工大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） 纠错

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

AI总结 本文提出尖峰混合模型及其EM算法，用于在低信噪比情况下提升信号恢复性能，应用于生物医学和计算机视觉领域，优于传统方法。

Journal ref IEEE Transactions on Signal Processing, vol. 73, pp. 3748-3761, 2025

Entropy Production in Machine Learning Under Fokker-Planck Probability Flow

机器学习中的熵产率与福克-普朗克概率流

Lennon Shikhman

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

AI总结 本文提出基于熵的重新训练框架，利用福克-普朗克方程解释数据漂移，通过熵产率指导重新训练策略，在多个非稳态数据流中取得与频繁重新训练相当的性能，但生物医学ECG场景中表现欠佳。

Comments 10 pages, 4 figures, 1 table

EvoMorph: Counterfactual Explanations for Continuous Time-Series Extrinsic Regression Applied to Photoplethysmography

EvoMorph: 连续时间序列外源回归的反事实解释应用于光电容积图

Mesut Ceylan, Alexis Tabin, Patrick Langer, Elgar Fleisch, Filipe Barata

机构 * Centre for Digital Health Interventions, ETH Zurich（数字健康干预中心，苏黎世联邦理工学院） ； Centre for Digital Health Interventions, University of St.Gallen（数字健康干预中心，圣加伦大学） 纠错

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

AI总结 EvoMorph通过多目标进化框架生成生理合理的反事实解释，提升连续生物医学时间序列的可解释性和可信度。

PCIM: Learning Pixel Attributions via Pixel-wise Channel Isolation Mixing in High Content Imaging

PCIM：通过像素级通道隔离混合学习像素属性

Daniel Siegismund, Mario Wieser, Stephan Heyse, Stephan Steigele

机构 * Genedata AG（基因数据公司） 纠错

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

AI总结 PCIM通过像素级通道隔离混合方法，无需内部网络状态或梯度，生成像素属性图，提升高内容成像中的模型保真度和定位能力。

MAFS: Multi-head Attention Feature Selection for High-Dimensional Data via Deep Fusion of Filter Methods

MAFS：通过深度融合过滤方法的多头注意力特征选择用于高维数据

Xiaoyan Sun, Qingyu Meng, Yalu Wen

机构 * Department of Statistics, University of Auckland（统计系，奥克兰大学） 纠错

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

AI总结 MAFS通过结合统计先验与深度学习能力，提出多头注意力特征选择方法，提升高维生物医学数据的可解释性和稳定性。

AIRES: Accelerating Out-of-Core GCNs via Algorithm-System Co-Design

AIRES: 通过算法-系统协同设计加速离核GCN

Shakya Jayakody, Youpeng Zhao, Jun Wang

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

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

AI总结 AIRES通过算法-系统协同设计优化离核GCN计算，降低I/O延迟并提升GPU利用率，实现实验基准测试中1.8倍的性能提升。

Comments 36th IEEE International Conference on Application-Specific Systems, Architectures and Processors. (Accepted)

Journal ref 2025 IEEE 36th International Conference on Application-specific Systems, Architectures and Processors (ASAP), Vancouver, BC, Canada, 2025, pp. 1-8

Generalized Scattering Matrix Framework for Modeling Implantable Antennas in Multilayered Spherical Media

多层球形介质中可植入天线建模的通用散射矩阵框架

Chenbo Shi, Xin Gu, Shichen Liang, Jin Pan

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

AI总结 本文提出了一种用于多层球形介质中可植入天线建模的通用散射矩阵框架，通过分离辐射器与周围介质特性，实现高效建模和快速重新评估。

"FRAME: Forward Recursive Adaptive Model Extraction-A Technique for Advance Feature Selection"

FRAME：前向递归自适应模型提取——一种高级特征选择技术

Nachiket Kapure, Harsh Joshi, Parul Kumari, Rajeshwari Mistri, Manasi Mali

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

AI总结 FRAME通过结合前向选择和递归特征消除，提升特征选择的准确性与效率，适用于需要可解释和准确预测的应用。

Comments The manuscript was posted prematurely and without full consideration of dissemination constraints agreed upon by the authors and collaborators. The authors are withdrawing this submission

CellMamba: Adaptive Mamba for Accurate and Efficient Cell Detection

CellMamba: 适应性Mamba用于准确且高效的细胞检测

Ruochen Liu, Yi Tian, Jiahao Wang, Hongbin Liu, Xianxu Hou, Jingxin Liu

机构 * Faculty of Science and Engineering University of Liverpool（科学与工程学院，利物浦大学） ； Yong Loo Lin School of Medicine National University of Singapore（国立新加坡大学 Yong Loo Lin 医学院） ； School of AI and Advanced Computing Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学人工智能与先进计算学院） 纠错

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

AI总结 CellMamba通过轻量且准确的一阶段检测器，结合新颖的TMAC模块和自适应Mamba头，实现高分辨率细胞检测的高效与高精度。

Comments 36th British Machine Vision Conference (BMVC 2025)