声纹感知 洞察芯声

本文提出了MEDIC框架，该框架从五个关键临床能力维度对LLMs进行全面评估：医学推理、伦理与偏见、数据与语言理解、情境学习以及临床安全。MEDIC的核心创新在于其独特的交叉审查机制，能够在无需参考输出的情况下，量化评估LLMs在内容覆盖率和幻觉检测等方面的表现。

本文通过系统化地检查医疗应用领域并为未来的攻击研究奠定基础，提供一个医疗领域AI攻击研究的全面视角。

本文提出HMARL框架，通过为每个器官系统分配专门的智能体，并模拟智能体间的动态交互，实现跨器官的协调治疗策略。

本文提出了一种两阶段的 MIL 回归方法来预测前列腺癌的生物化学复发时间（TTR）。该方法采用“快速思考 & 慢速思考”策略，旨在提高斑块采样/池化和推理效率。

经验丰富的专家可以通过分析内窥镜捕获的视频提供宝贵的见解，但这种方法在很大程度上依赖于个人诊断，缺乏客观性，一方面降低了患者的信心，另一方面增加了误诊的风险。 本文介绍的MASL多模态分析系统，结合音频和视频数据自动提取关键片段和指标，辅助临床评估 VP。

本文介绍的Oralytics 是一个 mHealth 干预系统，旨在通过提示来鼓励 OSCB。该系统包括一个蓝牙连接的电动牙刷、一个智能手机应用程序、一个在线强化学习算法。

应对挑战，FMs和VLMs提供自动化工具和加速诊断过程来改变了病理学家的诊断工作流程。

本文介绍谷歌研究团队开发的一种生物声学基础模型HeAR（Health Acoustic Representations），旨在通过分析人体的声音信号来检测疾病。在6个数据集上的13个健康声学事件检测任务、14个咳嗽推断任务和6个肺活量推断任务的多样化集合上对HeAR进行了基准测试，在许多任务上的表现超过了现有技术。

本文介绍的GluFormer是一个基于Transformer架构的生成式基础模型，使用来自HPP数据集的CGM数据进行自监督训练，能够生成CGM信号，捕捉个体血糖动力学特征，并预测广泛的临床参数。

本文目的是使用放射学成像对STBT进行诊断和预后的AI研究，根据两个最佳实践指南——CLAIM和FUTURE-AI——进行评估，可以全面覆盖AI研究的不同方面，讨论了未来研究的机会，以弥合AI研究和STBT临床使用之间已识别的差距。

本文提出了一个创新的方法，即利用语音分析来预测血糖水平。血糖水平的波动会影响声带和喉部软组织的弹性，进而影响声音的物理特性。通过分析语音信号的变化，可以建立与血糖水平之间的相关性。

本文提出HYDEN，一种针对医学图像和报告的超球面密度表示方法。这种方法利用了超球面空间捕捉视觉语义层次的优势，同时结合了概率密度嵌入策略来模拟语义不确定性。

本文介绍的FEDMEKI平台可以高效地实现在不共享私有数据的情况下，将客户端医学知识注入到基础模型中。

病理图像理解是诊断众多疾病的重要手段，它依赖于病理学家使用显微镜对组织样本进行细致的分析，以识别细胞异常。本文介绍专门针对病理图像理解的大型语言-视觉助手（PA-LLaVA）。

联邦学习（FL）作为这些局限性的潜在解决方案应运而生。使用FL，ML算法可以在本地数据集上同时训练，而无需数据离开其环境。这种去中心化的方法允许医院和研究机构控制自己的数据，解决隐私问题和监管限制，同时从集体洞察中受益。

本文开发的模型，通过利用大型中心的患者记录中的全面结构化和非结构化数据来预测RT后的死亡率。使用可以由内部医院资源部署的开源LLM，确保了数据隐私，而不会冒着患者信息泄露的风险。

本文引入nnSynergyNet3D架构，它整合了3D体积的连续和离散潜在空间，并享有自动配置训练。连续潜在空间捕获细粒度细节，而离散潜在空间处理更广泛、更粗略的特征。这种双重方法允许nnSynergyNet3D更有效地建模复杂的特征交互。

如何使用预训练的通用音频表示进行心脏杂音检测呢？我们使用George B. Moody PhysioNet Challenge 2022 [3]中的心脏杂音检测任务和CirCor DigiScope心脏声音数据集，这是一个三类分类：存在、不存在和未知（无法确定）

我们提出一个基于机器学习使用睡眠声音的睡眠质量分类模型，该模型能够提供理由，例如“由于睡眠期间频繁翻身导致睡眠质量差”。通过提供理由，可能有助于提高用户的睡眠质量。

PPINtonus系统是专门为早期检测帕金森病（Parkinson’s Disease, PD）设计的，它利用深度学习音调分析和生物医学声音测量值（Biomedical Voice Measurements, BVMs）来评估声音样本。该系统与帕金森声音项目（Parkinson’s Voice Project, PVP）合作，并通过使用条件生成对抗网络（Conditional Generative Adversarial Network, cGAN）来增强训练数据集。

鉴于自动多视角融合（MVF）在心血管系统（CVS）信号处理方面现有方法的局限性，设计了视角中心变换器（View-Centric Transformer, VCT）和多任务掩码自编码器（Multitask Masked Autoencoder, M2AE），以强调每个视角的重要性，并利用未标记数据实现更优质的融合表示。

在本文中首先介绍了心肺的声学特性，然后讨论了ECM、MEMS、JFET和压电效应的工作原理。最后介绍并比较利用ECM和MEMS技术的现代心肺听诊传感器。

本文提出并评估了Petal-X，这是一个针对普通受众的工具，使用新颖的视觉表示——花瓣乘积图（Petal Product Plots）来提供SCORE2的事后解释。该工具的设计旨在解决现有CVD风险沟通工具的挑战，并支持有效的临床医生与患者之间的CVD风险沟通。

本文提出一种诊断模型，能够在保证高准确率的同时，最小化假阴性率（即漏诊率），核心思想就是利用回声状态网络 (ESN) 和特征选择技术，从语音特征中提取信息，实现 PD 的诊断。

本文介绍一个多模态医学图像交互（MMII）框架，允许医学专家在三维空间中与人体组织进行动态的视听交互。在虚拟现实环境中，用户接收到基于物理信息的视听反馈，以提高对解剖结构的空间感知。MMII使用基于模型的声音化方法，从组织的几何和物理属性生成声音，从而消除了手工制作声音设计的需要。

尽管存在挑战，EEG作为一种非侵入性技术，仍然具有巨大的潜力，可以用于开发语音脑机接口。EEG能够提供足够高的时间分辨率来捕捉语音产生的快速变化的神经活动。此外，EEG设备的便携性使其有潜力在各种环境中使用，包括家庭和医院之外的场所。

本文提出的Multi-breath模型在ICBHI 2017数据集上取得了59.2%的Score，优于现有轻量级模型，可以很好地提高自动异常呼吸音分类的准确性。

在诊断和治疗自闭症谱系障碍（ASD）方面应用人工智能（AI）为医疗专业人员和护理人员面临的许多挑战提供了有希望的解决方案。本研究强调了AI在标准化诊断过程、个性化治疗计划以及改善多学科护理团队之间的沟通和协调方面的潜力。

本文通过探索一系列技术，将最新的单语言和多语言SSL预训练语音基础模型及其特征整合到混合TDNN和Conformer ASR系统中，以提高对言语障碍和老年语音的识别能力。

在早期的研究中，已经考虑了简单的对抗性攻击。然而，DNN对更危险和现实的攻击也很敏感。本文涵盖了针对医学成像的DNN的最新提出的对抗性攻击策略以及对策。

本文提出了一种基于传统扩散模型的临床信息引导的残差扩散模型（CIResDiff），旨在通过生成随访CT扫描来提前预测IPF的进展，这对于实现及时治疗和降低医疗成本至关重要。这种方法不仅可以帮助医生更早地识别疾病进展，还可以为患者提供更有针对性的治疗方案。

本文介绍了一种新颖的、高精度的方法，使用眼底图像和基线屈光数据来定量预测儿童的近视发展轨迹和近视风险。

本文将使用基于视觉 Transformer (ViT) 的组织病理学基础模型UNICODE模型来提取特征，并将其与多分辨率图网络相结合，以实现对卵巢癌亚型的高精度分类。

本文引入了一个新的多模态框架，用于一个新的任务：情感推理。在AI中引入推理能力对于情感分析至关重要，因为它能够使AI在更广泛的语境中理解情绪，考虑到细微的表达，处理模糊的语言，并推断可能未明确表述的潜在意图或情感。

AGI在医疗领域的应用对医生和患者都会产生重要的影响，AGI使医生能够更准确、高效地提供诊断和治疗，同时也可以为患者提供个性化、便捷的医疗服务和健康管理。