跳转至

2026-08-26 每日论文

来源 独立页面
arXiv arXiv
bioRxiv bioRxiv
medRxiv medRxiv

arXiv

标题 作者 发布日期 PDF链接 摘要
VBVR-Pro：面向原生视觉推理的可扩展且可验证的套件 Junxiang Xu 2026-08-26 PDF 原生视觉推理将视觉生成本身视为推理的媒介：视觉状态（即图像和视频）不仅是待理解的输入或待渲染的输出，而是超越语言的问题解决的一等基底。然而，进展仍受限于缺乏可扩展的训练任务、可靠的反馈，以及跨生成基底的受控比较。在本工作中，我们引入VBVR-Pro，一个闭环测试平台，使通过生成进行的原生视觉推理变得可训练、可验证、可优化，且实验可控。1）任务扩展。VBVR-Pro将视觉推理转化为一个包含300个程序化生成任务的受控任务空间。在VBVR-Pro上训练的模型在七个外部视觉推理基准（如RISE-Video、MME-CoF-Pro和BabyVision）上展现出超越所提套件的强迁移能力。2）可验证奖励。VBVR-Pro为任务基础评估提供可验证的奖励评分器。通过对领先多模态大语言模型作为评判者的系统研究，我们识别出流行的VLM作为评判者范式的常见失败模式。相比之下，所提评分器基于确定性、任务特定规则，与人类判断实现细粒度对齐。重要的是，它们为大规模多任务强化学习提供可靠的奖励信号，并在视觉推理任务中展现出更强的强化学习后性能。3）机制研究。VBVR-Pro支持跨超过30种图像、视频和交错生成器的受控模态研究。我们的分析表明，视频生成在需要持续时空状态跟踪的任务中仍最强，而交错生成提供了一种计算高效的替代方案。关键的是，消融和探测表明存在对视觉推理至关重要的视觉原生轨迹。我们发布所有数据、模型、评分器和代码。
Zero-WAM：基于人类视频的上下文世界-动作建模，用于开放式任务泛化 Jiaming Zhou 2026-08-26 PDF 零样本跨任务泛化，即策略必须执行训练中从未见过的操作任务，仍然是机器人学习中的核心挑战。在大语言模型中，新任务只需在上下文中指定即可执行，无需任何参数更新。这种上下文学习（ICL）形式将泛化转化为任务规范问题。为实现跨任务泛化，我们将这一范式引入机器人操作，并认为操作的自然任务规范是人类视频：与语言不同，它提供了关于预期任务演变的丰富视觉线索。我们提出Zero-WAM，一种因果视频-动作模型，通过遵循上下文中的视频引导来执行未见任务。为解决任务丰富的配对人类-机器人数据稀缺问题，我们提出一种自动流水线，将任务采样的机器人轨迹转换为语义匹配的人类视频，生成HumanGen数据集，包含8.6K任务中的74.2K个人类-机器人ICL对。对于模型训练，我们进一步引入上下文未来块预测（IFP）目标，抑制从已见任务中学到的捷径，并迫使策略从视频提示中提取任务信息。在RoboTwin 2.0模拟中的七个未见任务上，Zero-WAM实现了47.0%的平均成功率，比最强的视频-动作基线绝对提高了29.5个百分点。在真实世界评估中，它遵循人类视频引导，泛化到涉及多物体场景、长时程操作和精细插入的未见任务配置。
RefVideo-6M：一个用于教学视频编辑的可靠参考数据集 Bojia Zi 2026-08-26 PDF 视频编辑领域的最新进展主要得益于大规模基于指令的数据集。然而，现有数据集仍存在两个关键局限。首先，目标视频通常由自动编辑模型生成，这可能引入可见伪影和不可靠的监督信号。其次，大多数公开数据集主要依赖文本指令，而缺乏对精确、保持身份和可控编辑至关重要的视觉参考。为解决这些问题，我们引入了RefVideo-6M，这是一个大规模参考引导编辑数据集，包含500万个视频编辑样本和100万个图像编辑样本。为确保可靠的监督，我们的数据集采用构建流程，将无伪影的真实视频作为编辑目标，并通过多个编辑专家生成经过质量过滤的输入条件。此外，它提供了约600万个视觉参考，涵盖多种参考类型和编辑场景，从而使模型能够学习超越纯文本指令的细粒度视觉对应关系。基于RefVideo-6M，我们进一步训练了一个参考引导视频编辑模型Ref-MoT，以评估所提出数据集的有效性和可扩展性。大量实验表明，RefVideo-6M比现有数据集提供了更可靠的监督，并支持训练具有更优视觉质量、可控性和参考一致性的强大编辑模型。开源数据集可在https://huggingface.co/datasets/RefVideo6M/RefVideo6M获取。
一种面向多模态无监督持续后训练的视觉依赖感知框架 Kaichen Li 2026-08-26 PDF 本文探讨了一个新任务——多模态无监督持续后训练（MU-CPT），使已部署的多模态大语言模型（MLLMs）能够从流式未标注数据中持续进化。现有的MLLMs无监督后训练方法通常统一优化目标令牌，忽视了它们异质的视觉依赖（VD）。然而，我们揭示令牌级VD对MU-CPT至关重要。具体而言，其结构扭曲可作为跨模态灾难性遗忘的指标，而其固有异质性则充当引导新任务学习的指南针。利用这一特性，我们提出了一种视觉依赖感知（VDA）框架，包含两个主要组件。首先，视觉约束最优传输（VC-OT）将新任务学习过程中旧任务VD的结构扭曲形式化为最优传输问题，以缓解跨模态遗忘。通过设计区域感知地面代价和依赖分层传输惩罚，它防止视觉焦点的全局偏移，同时严格禁止视觉依赖退化为语言偏见。其次，视觉调制适应（VMA）利用VD异质性强调视觉基础的新任务学习，促进新任务可塑性。综合起来，我们的方法在具有挑战性的MU-CPT中同时维持旧任务稳定性和新任务可塑性。在我们MU-CPT设置下的广泛实验验证了VDA的有效性。
MyoMechanix：基于生物力学基础的组合式技能活动理解与指导 Hao Yin 2026-08-26 PDF 现有动作质量评估（AQA）数据集和方法主要依赖视觉输入，如RGB和姿态，忽视了肌肉力学等生理动态，且常将动作建模为单一模式。这些局限阻碍了细粒度、基于生物力学的反馈。我们提出MyoMechanix，一个针对负重动作的多模态生态系统，将运动与肌肉活动对齐。该系统经专家标注，包含来自38名受试者的20种动作的7500多个样本，配有同步多视角RGB视频、3D姿态、表面肌电信号（sEMG）及其他生理信号，构成迄今最大的多模态AQA基准。我们进一步构建了健身知识图谱（FKG），将专家标注组织为动作、阶段、关键步骤、错误及纠正反馈之间的结构化关系，实现组合评分和可解释评估。基于这些表示，我们开发了CUBIST（组合本体推理引擎），通过分解-分析-重组实现细粒度错误归因和反馈生成。我们还建立了MyoMechanix-AQA、MyoMechanix-VideoQA以及新颖的MyoMechanix-Video2EMG任务。实验表明，多模态感知和结构化表示提升了性能、可解释性和错误归因，其中CUBIST达到最先进水平；VideoQA增强了基于语言的行动理解；Video2EMG则提出了基于视频的替代方案，以降低昂贵的EMG传感成本。MyoMechanix将技能活动理解推向基于生物力学、多模态和组合推理，适用于健身、康复、医疗保健及机器学习中的物理AI应用。项目页面：https://haoyin116.github.io/MyoMechanix/
面向蜂窝边缘功率控制的智能体自主研究：彻底重新定义研究者的角色 Ahmad Khan 2026-08-26 PDF 设计用于无线资源管理的机器学习算法是劳动密集型的：架构、损失函数和训练方案均需手工指定。我们证明，这一设计层可以完全交由自主代理处理。我们采用自动研究协议，其中AI编码代理编辑训练脚本，运行固定预算的实验，并根据单一不可变指标保留或丢弃更改。我们授予代理对架构族、输入表示、输出参数化、损失函数和任务采样法则的权限，并为其设定一个因难度而选的目标：多小区网络中的和最小百分位速率功率控制。该公式针对小区边缘吞吐量，且非凸、非光滑，在其最大最小顶点之外是强NP难的。保障措施使结果可信：哈希固定的评估器、强制的推理契约以及每次实验预先注册的证伪器。在二十六小时内的八十一次无人值守实验中，代理在一次固定成本推理中达到了收敛的极小化-最大化参考值的$99.5\%$，推理成本约为其$600$倍更低，从其首个可行架构起弥合了$94\%$的差距，且一组参数适用于所有网络规模和百分位目标。它恢复了可证明的结构而非调优常数：其发现的输出参数化在最小百分位处精确复现了最大最小最优分配，对训练权重的每个值均成立。
PlanSightRAG：一种面向土木标准图自动问答与合规检查的视觉优先多模态RAG方法 Nabaraj Subedi 2026-08-26 PDF 长期以来，土木基础设施合规性检查依赖工程师人工阅读传统二维图纸；然而，基于OCR的自动化剥离了解读这些图纸所必需的几何与布局信息。我们提出了一种名为PlanSightRAG的视觉优先多模态检索增强生成（RAG）框架。它直接对图纸图像进行索引和推理，集成了ColNomic-3B多向量检索、代理式Planner-Retriever-Auditor-Synthesizer，以及作为证据链的MaxSim热力图。我们引入了来自五个州交通部（DOT）标准图纸（共1,898页）的4,056对基准数据集。PlanSightRAG在零样本检索中实现了91.47%的Recall@5，在留出的密歇根州DOT语料库上达到91.40%。在合成、参数化生成的合规图纸上，我们的Qwen2.5-VL-72B流水线仅在提供预解析规则阈值时达到100%的判定准确率，而一个非VLM的OCR基线已能达到76.4%的控制上限。最后，我们通过直接从规范语料库中提取数值限制，无需任何人工提供的规则，展示了自主视觉规则接地能力。
利用稀疏自编码器在中微子基础模型中寻找并使用可解释的潜在特征 Raphaël Bonnet-Guerrini 2026-08-26 PDF 我们首次将基于稀疏自编码器的机制可解释性应用于粒子物理。研究一个在IceCube数据上预训练并针对方向重建进行微调的中微子基础模型，我们在模型表示中识别出一个经过验证的物理概念图谱，采用严格验证协议，包括留出测试、匹配的干扰对照以及跨独立字典训练的重现。因果干预表明，方向头几乎不利用这一图谱。受此未充分利用信息的启发，我们在同一事件级表示上训练一个不确定性头，以预测模型的角重建误差。与方向头不同，它因果依赖于图谱中的质量和亮度特征。在20%选择效率下，这一可解释估计器将中位角分辨率从20.2°提升至3.2°。这些结果表明，机制可解释性能够揭示模型内部表示中编码的潜在物理知识，并有助于设计利用这些知识的下游任务。
从产出到验证：AI如何让自由职业者技能贬值 Nakul Rajpal 2026-08-26 PDF 生成式人工智能被宣传为提升知识工作的一种方式，然而其益处与弊端在劳动力中的分布并不均衡。自由职业者和零工工人通常缺乏传统雇员可获得的技能提升途径，随着人工智能采用的推进，他们在技能发展和职业安全方面面临更高风险。我们回顾了关于人工智能对知识工作者工作流程及技能提升影响的实证证据，然后预测了在自由职业经济中，客户和工人采用人工智能的主要及下游效应。我们将此锚定于同一转变的两个案例：机器翻译后期编辑和软件开发。我们认为，自由职业者是这一变革的先锋，这一变革也波及受薪的人机交互从业者，最后我们以针对调解此类工作的平台和客户以及人机交互研究者的提问作结。
行星预测引擎：通过智能数据选择与基础模型嵌入实现自主地理空间预测 Evelyn Ma 2026-08-26 PDF 应对从粮食安全、灾害风险到疾病暴发和社会经济脆弱性等关键全球挑战，需要高保真地理空间建模。然而，构建预测性行星模型仍受制于碎片化的数据生态系统，需要手动数据检索、多模态数据整理与融合，以及迭代模型选择。我们提出了行星预测引擎（PPE），一个自主AI系统，可直接从自然语言查询执行这一端到端工作流。PPE即时合成多模态数据集，跨开放网络和地球观测平台（Data Commons、Google Earth Engine）检索时空相关协变量，并将其与地理空间基础模型嵌入（PDFM、AlphaEarth）融合。同时，它通过自动化过拟合防护搜索任务定制的模型架构族。在多样化任务、地理区域和科学领域中，PPE持续优于最先进或手动调优的专家基线。对于美国空间回归，PPE在21个CDC健康指标（76.8%对60.0%）、FEMA国家风险指数（64.9%对60.0%）和社会脆弱性指数（66.2%对58.6%）上平均提高了$R^2$。对于数据稀缺环境中的空间降尺度，PPE整合局部代理变量，将尼日利亚粮食安全指标的基线精度翻倍（$R^2$为66.1%对31.5%）。对于2026年刚果民主共和国本迪布焦埃博拉疫情的流行病学即时预测，PPE实现了83.3%的Recall@10（在五次周预测中识别出18个新侵入卫生区中的15个），比公开最先进建模（约73%）提高了10.3个百分点。通过将自主多模态行星数据发现与目标模型优化相结合，PPE降低了行星尺度分析的技术门槛，实现快速、定制化、专家级部署。

bioRxiv

标题 作者 发布日期 PDF链接 摘要
通用高通量黏液微流变学平台，用于定量和可扩展的黏液表型分析 Ling, F. 2026-08-26 PDF 粘液力学调控上皮组织的屏障、清除和转运功能，然而定量流变学仍难以规模化，因为现有检测方法需要大体积样本、专用设备或大量人工分析。本文建立了一种基于差分动态显微镜的高通量微流变工作流程，可利用标准落射荧光显微镜对3-10 μL粘液样本及完整黏膜表面进行频率依赖性测量。该工作流程结合预装载示踪粒子腔室、受控样本处理、短视频采集和自动化分析，减少操作者干预，同时保持对1-20秒时间尺度上粘液松弛的敏感性。与重构黏蛋白凝胶中的剪切流变测量和粒子追踪验证表明，该方法能在类粘液材料状态下稳健恢复黏弹性趋势。在人气道上皮气-液界面培养中的应用可区分培养基、年龄、供体、COPD、香烟烟雾、囊性纤维化治疗及IL-13相关差异，包括原位空间异质性。临床宫颈粘液测量进一步展示了对稀缺标本的平行检测能力及对渗透膨胀的敏感性。该平台为疾病建模、治疗测试及未来精准医学研究中的定量粘液表型分析提供了可扩展路径。
长新冠患者中药物再利用的钾通道改变鉴定 George, J. P. 2026-08-26 PDF 长期新冠（LC）是一种以持续性、慢性多系统表现为特征的复杂疾病，其中相当比例的患者表现出神经系统症状。人类离子通道（HICs），尤其是钾通道，在神经系统中大量表达，并与关键代谢过程相关，使其成为理解LC病理生理学和药物再利用的潜在候选靶点。对COVID-19康复者和LC患者的RNA-Seq数据集进行荟萃分析，以识别LC中改变的HICs。进行了差异基因表达分析、功能富集分析和加权基因共表达网络分析，以揭示关键基因、通路以及由HICs、脂质代谢和免疫信号相关基因组成的共表达模块。共鉴定出715个失调基因，包括18个HICs，其中7个为钾通道。识别出三个包含HICs、脂质代谢和免疫信号相关基因的显著模块，这些模块与抗原加工和呈递、补体和凝血级联反应以及细胞因子相关通路有关。此外，药物-基因相互作用分析确定了靶向KCNA6、KCNJ10、KCNN3和KCNH4的已批准药物，这可能为LC神经系统表现的药物再利用提供机会。需要进一步的实验验证以确定其疗效，并评估其在LC患者中转化为临床应用的可能性。
Uni-TINT：通过高分辨率、泛疾病与泛组织的单细胞转录组图谱统一T细胞与固有淋巴样细胞分类体系 Chuah, S. W. J. 2026-08-26 PDF T细胞和固有淋巴样细胞（ILCs）在组织和疾病中表现出广泛的表型多样性，但注释不一致限制了跨研究比较和生物学解释。我们提出了Uni-TINT，一个整合的泛疾病和泛组织图谱，包含来自1,869个样本的346万个细胞，涵盖194项研究、166种疾病亚型和66种组织类型。通过系统、分层的注释流程，Uni-TINT建立了统一且上下文感知的T细胞和ILC群体分类体系，解析了207种细胞亚型和状态，涵盖常规和非常规T细胞、自然杀伤（NK）细胞、辅助性ILCs、胸腺细胞和造血祖细胞。我们鉴定了一种免疫抑制性、肿瘤相关的CD4调节性T细胞群体，并通过空间转录组学进行了验证。其他表征的稀有和非常规群体包括CD8调节性T细胞、不变自然杀伤T细胞和记忆样NK细胞。T细胞受体测序的整合提示了γδ T细胞共受体表达与TRDV基因使用之间的功能关联。最后，对健康和疾病未成熟细胞的比较分析鉴定了一个携带染色体畸变并在混合表型急性白血病中富集的小型恶性造血干细胞群体。总之，Uni-TINT为健康和疾病中的免疫注释和发现提供了统一的参考框架。
基于深度学习、双重分割与决策树流程的细胞周期阶段、纺锤体动力学及Kinesin-5马达蛋白定位表征 Bushusha, O. 2026-08-26 PDF 酵母细胞的三维活细胞荧光成像对于研究细胞周期机制及其调控至关重要。然而，在密集细胞簇中提取多通道表型仍是图像处理的一个瓶颈。标准深度学习模型能分割细胞，但无法追踪母-芽边界、有丝分裂纺锤体形态及纺锤体定位蛋白。研究者依赖费力的手动坐标绘制，引入观察者偏差，且常因视觉复杂性而排除聚集细胞数据。在此，我们提出一个开源的Fiji流程，用于自动化酵母细胞图像处理及细胞周期、纺锤体和蛋白动力学的确定性分类。该工作流利用定制的Cellpose模型通过双重分割架构捕获母-芽细胞边界。提取的掩膜与多通道荧光数据通过高斯差分框架整合，以解析纺锤体极体坐标和局部蛋白动力学，随后由基于规则的决策树映射至精确的有丝分裂表型。验证显示，处理速度提升50倍，与手动分析的偏差约为6%。可用性：Zenodo，网址为https://doi.org/10.5281/zenodo.22083016。
全球海洋中颗粒附着型原绿球藻的分布 Anjur-Dietrich, M. I. 2026-08-26 PDF 原绿球藻是一种对海洋初级生产力有重要贡献的微微型蓝藻。尽管其自由生活种群已被广泛研究，主要采用流式细胞术分析，但其颗粒附着种群的大小和分布尚不清楚。利用来自太平洋、大西洋和地中海航行的过滤分级样品，我们通过内标法生成了宏基因组数据，获得了不同粒径分级中原绿球藻细胞的绝对基因组当量计数。我们利用这些数据建模了相对与绝对基因组当量计数之间的关系，得出一个校正因子，并用已发表数据集进行了验证。随后，我们将该校正因子应用于TARA海洋项目的全球粒径分级宏基因组数据，该数据在整个断面中>1.6微米粒径分级内广泛存在原绿球藻细胞，以计算大粒径分级中总原绿球藻种群的比例。“颗粒附着”种群比例随净初级生产力增加而上升。溶解无机碳也与颗粒附着的增加直接相关，结合其他证据，这可能表明与上升流有关。我们还通过纳入基于TARA光学散射数据的已发表碳通量估算，探讨了颗粒附着种群与150米处碳输出之间的关系。本研究强调了颗粒附着原绿球藻对海洋生态系统碳通量的潜在重要性，并提供了一种将档案宏基因组数据集中微生物相对基因组当量转换为绝对基因组当量的方法。
利用人工种植树木生物多样性实验评估成像光谱学在物种分类中的应用 van Moorsel, S. J. 2026-08-26 PDF 基于物流限制，森林中树种的实地监测往往稀疏。遥感技术能够在大范围内重复采集连续的空间反射率数据。利用此类数据进行树种分类的准确性不一，很可能是因为多数研究采用观测数据集，其中物种出现与环境变化相关。我们利用德国两个树木生物多样性实验点（BIOTREE：Kaltenborn和Bechstedt），这些地点在不同多样性水平下以高重复性种植了不同树种，以评估利用机载成像光谱反射率数据和不同分类方法（线性判别分析，LDA，和非线性支持向量机，SVM）对树种进行分类的效果。在生长旺季，以1米空间分辨率获取了400-2400纳米范围内589个波长的反射率数据。反射光谱在分类学类别、目和种之间显示出显著且大的变异，而在类别或目与多样性水平之间的交互作用虽弱但显著。训练数据集的分类准确率达到100%，Kaltenborn预测数据集中四种物种的准确率为77%-83%，而Bechstedt预测数据集中16种物种的准确率为31%-49%。LDA比SVM提供了更准确的预测；使用等间距原始波长与LDA结合，其效率与使用原始数据衍生的主成分相当。尽管机载成像光谱在我们的数据集中能有效区分多达四种树种，但当需要区分16种物种时，分类准确性较低。在这些情况下，该方法可能更适合用于功能多样性监测，而非树种分类。
跨物种调控占据因子特异性可预测性背后的生物学特征 Wang, Y. 2026-08-26 PDF 全基因组范围内的转录和染色质调控因子占据图谱在不同物种间的可用性仍不均衡，这推动了利用一个物种的数据预测另一个物种调控占据的计算方法的发展。然而，跨物种预测性能在调控因子间差异显著，其生物学基础仍知之甚少。在此，我们利用覆盖137个调控因子的425对匹配的人-小鼠ChIP-seq数据集，系统评估了跨物种可预测性。我们识别出多种与跨物种可预测性相关的生物学特征，包括基序架构、进化保守性、基因组背景和蛋白质生物物理特性。这些特征共同捕捉了因子特异性的可预测性差异，并能准确估计调控因子数据集在跨物种中高度可预测的概率。我们进一步发现，纳入保守性相关信息通常能改善跨物种预测，而额外的调控背景则对基序信号弱或缺失的因子子集提升预测效果。综上，我们的研究揭示了跨物种调控占据预测中因子特异性变异的生物学基础，并提供了一种系统框架，用于识别适合跨物种预测的因子，以及确定何时额外调控信息最具价值。
在大鼠中，腹外侧导水管周围灰质内阿片受体的药理学阻断不影响回避习得或表现 Vercammen, L. 2026-08-26 PDF 回避学习涉及将行为反应与预期威胁的缺失相关联，但驱动这种学习的神经机制仍不清楚。关于恐惧消退的研究指出，腹外侧导水管周围灰质（vlPAG）中的阿片受体在计算厌恶预测误差信号时发挥关键作用，该信号在预期与实际厌恶事件之间存在差异时产生。基于这些恐惧消退的发现，我们假设vlPAG阿片信号可能也支持回避学习的早期阶段。为验证此假设，15只Wistar大鼠（7只雌性，8只雄性）在双向主动回避训练的第一和第二次训练前，立即接受vlPAG内输注纳洛酮盐酸盐（n = 7，2.5 g/0.5 l），一种非选择性阿片受体拮抗剂，或载体（n = 8，0.5 l）。第三次训练前不进行输注，以检查在持续无药物获取条件下的回避表现。在第四次即最后一次训练中，药物条件被反转，以检查纳洛酮对已建立回避表现的急性效应。我们的结果表明，在测试剂量和时间点下，单侧vlPAG内纳洛酮并未显著损害回避习得或其表现。这些发现不支持vlPAG中阿片信号在双向主动回避的初始学习或表达中发挥作用。
低成本单相经颅磁刺激器 Lapatrie, M. 2026-08-26 PDF 经颅磁刺激（TMS）通过电磁感应无创地兴奋神经元，用于神经生理学研究及已获批的抑郁症治疗。商用刺激器价格高达数万美元。现有开源设计要么能量低且未经验证，要么依赖昂贵的开关和实验室基础设施。我们提出了一种单相、固定脉冲形状的TMS设备，零件成本约700美元，在特定建模假设下，可超过平均人类运动阈值。我们的设计假设可使用基本的现成设备，如24V电源单元、示波器和一些基础工具。该设备通过晶闸管对230 F薄膜电容器组充电，并通过自绕八字线圈放电，产生正瓣持续约90微秒的固定脉冲。基于零电压开关（ZVS）驱动器的充电电路从24V台式电源将电容器组充电至1460V。三个电流隔离电压域、冗余互锁以及被动和主动放电路径有助于减轻处理致命能量水平所涉及的安全风险。我们还提出了一种低成本表征设备的方法，通过从拾波线圈dB/dt图重建线圈di/dt，以估算诱导的皮层电场。在最大电容器电压下，恢复的最大di/dt为110.86 A/微秒，在示例解剖结构上，估算的皮层电场第99.9百分位在Oz处为159 V/m，在C3处为196 V/m。尽管尚未批准用于临床试验和常规刺激，该设备展示了成本效益型TMS单元的可能性。
时间动态提升了基于机器学习的定量相位成像细胞状态预测 Alizada, S. 2026-08-26 PDF 细胞形态反映细胞健康状况，并能区分细胞周期阶段、生长停滞及不同的细胞死亡途径。活细胞、无标记定量相位成像（QPI）以非侵入方式和高时间分辨率捕获这些特征，然而许多基于图像的分类器依赖单帧图像，无法分离仅在时间推移中显现差异的状态。需要多少时间信息，以及哪种架构最能利用这些信息，仍是未解问题。我们收集了1,874个QPI延时序列，涵盖六种细胞状态（间期、有丝分裂、细胞周期停滞、凋亡、铁死亡和坏死性凋亡），并比较了二维卷积神经网络（CNN）与三维（3D）时空CNN在不同帧数下的表现。随着帧数增加，准确率提升，其中从一帧到三帧的增益最大。二维模型在三帧后趋于饱和，而三维架构持续改进，在十一帧时达到96.5%的准确率和3.5%的错误率。所需时间信息与各过程的时间尺度相关：有丝分裂可从单帧解析，而铁死亡最受益于延长序列。总体而言，这些结果表明，动态信息而非静态形态单独驱动准确的细胞状态分类，且三维架构是充分利用这些信息进行无标记动态表型分析所必需的。

medRxiv

标题 作者 发布日期 PDF链接 摘要
撤回：机械生长因子（MGF）在难治性膀胱过度活动症中的表达 Spiritosanto, E. 2026-08-26 PDF 作者在同行评审最终准备阶段发现临床数据存在错误后，已撤回本手稿。该错误严重影响研究结果及由此得出的结论。因此，作者不希望此工作被引用为项目参考。如有任何疑问，请联系通讯作者。
量化朴素交叉验证在重复测量预测因子二元结局预测中的乐观性：一项模拟研究与临床示例 Hagan, J. 2026-08-26 PDF 背景。交叉验证（CV）广泛用于估计临床预测模型的判别性能，但在重复测量数据上应用于观测水平时，可能高估性能。在新生儿、重症监护和可穿戴传感器研究中，一种常见但特征化不足的结构是将受试者内重复测量的连续预测因子与二元的受试者水平事件配对，通过受试者工作特征曲线下面积（AUROC）评估。这种乐观程度相对于真实样本外性能仍未得到特征化。方法。比较了三种从岭逻辑回归估计受试者水平AUROC的策略：朴素观测水平10折CV、受试者水平10折CV和留一簇外（LOCO）CV。这些方法应用于101名极低出生体重婴儿的每日氧合测量和早产儿视网膜病变（ROP）结局，以及一个包含162种条件的因子模拟，变化簇数（20至150）、组内相关系数（ICC，0.1至0.5）、滞后1自相关（0.2至0.8）和患病率（10%至35%）。独立样本提供了真实性能参考，将乐观分解为分区成分和残余差异。一个配对的24条件臂在ICC变化时保持潜在信号方差恒定。结果。在临床数据集中，朴素CV乐观度对于严重ROP为+0.078 AUROC单位，对于任何ROP为+0.031。在模拟中，相对于真实性能的总乐观度平均为+0.213，包括分区成分（平均+0.154，范围+0.071至+0.257）和残余内部验证差异（平均+0.059）。分区成分随着ICC和自相关增加、簇数减少和事件率降低而增加，而残余差异不随依赖性上升。在信号控制下，分区成分随ICC的上升大部分保留（+0.041对比+0.052），而残余的下降被减弱了73%。受试者水平10折CV在整个过程中与LOCO紧密一致（模拟中平均绝对偏差0.004）。结论。朴素观测水平CV显著高估判别性能；受试者水平分区消除了分区成分并与LOCO紧密一致，尽管在簇数较少时仍存在与真实性能的残余差异。受试者水平分区应被视为必要而非可选，在嵌套重采样的每个水平上均应如此。
抗氧化治疗在轻至中度SARS-CoV-2感染中的疗效：CanTreatCOVID适应性平台试验的试点实验组 Hosseini, B. 2026-08-26 PDF 背景：尽管COVID-19大流行的急性期已经过去，SARS-CoV-2仍继续导致门诊患者发病。抗氧化微量营养素支持免疫调节，可能为早期感染提供一种低成本、可扩展的辅助治疗。目的：在CanTreatCOVID中评估一种联合抗氧化疗法的初步效果。方法：本初步子方案招募了加拿大五个省份的非住院成人（2024年9月5日至2025年3月31日），这些患者在症状出现后五天内患有轻至中度SARS-CoV-2感染。参与者被随机分配接受常规护理加为期10天的抗氧化方案（硒300微克、锌40毫克、番茄红素45毫克、维生素C 1.5克）或仅接受常规护理。初步目标评估了可行性、保留率、依从性和安全性。主要结局是28天内的住院或死亡；探索性结局包括第14天的恢复和症状指标。结果：共有81名参与者被随机分配（41名接受抗氧化治疗；40名接受常规护理）。保留率较高（抗氧化组85.4%；常规护理组82.5%），90.2%的抗氧化组参与者完成了干预疗程。不良事件发生率较低（9.8%对2.5%），未报告严重不良事件。两组均无死亡病例；抗氧化组无住院病例，而常规护理组为2/40（5%）。到第14天，接受抗氧化治疗的参与者中有32/40（80.0%）报告恢复，而常规护理组为23/36（63.9%）（OR 2.128；95% CI 0.747-4.871）。所有症状持续缓解的比例分别为38/40（95.0%）和29/36（80.6%）（OR 3.498；95% CI 0.872-10.017）。到第14天恢复日常活动的比例分别为38/40（95.0%）和30/36（83.3%）（OR 3.113；95% CI 0.762-9.022）。调整后的组间饮食摄入差异无统计学意义。结论：联合抗氧化疗法在分散的门诊环境中实施可行，依从性和耐受性高。尽管该试验未具备确定疗效结论的统计功效，但症状结局的一致方向性改善支持在更大规模试验中评估这种宿主导向的抗氧化策略。关键词：适应性平台试验；抗氧化疗法；SARS-CoV-2；门诊治疗；微量营养素补充剂试验注册号：https://clinicaltrials.gov/study/NCT05614349
基于个性化知识图谱的图神经网络与回归分析在高风险心血管疾病患者计算诊断中的应用 Lampadarios, T. 2026-08-26 PDF 急性心肌梗死（MI）是心力衰竭（HF）的主要前驱因素，然而目前常规用于预测MI后HF的生物标志物很少，且预防其发展的治疗选择有限。此外，识别复发MI极高风险患者仍具挑战性。这些空白凸显了对改进生物标志物、治疗靶点以及用于风险评估和治疗反应预测的计算方法的需求。为解决风险评估问题，我们开发了一种系统生物信息学（SB）基于图的框架，将患者信息表示为个性化网络，并整合组学、临床和分子先验知识数据。图神经网络（GNN）机器学习（ML）模型与传统ML方法进行了比较。使用两个大规模公共血浆蛋白质组数据集来预测MI后HF。为研究治疗反应，对EMMY试验中纳入的>400名住院患者的纵向临床数据应用了回归模型，该试验评估恩格列净。ML驱动的特征选择识别出具有最大预测价值的蛋白质和临床参数。基于图的框架在独立MI后队列中表现出强大且一致的性能。GNN模型优于传统方法，包括广义线性模型和XGBoost，尤其是在纳入注意力机制时。仅使用生物标志物面板，最佳GNN的外部测试AUC为0.82，而最佳传统ML模型为0.77。当生物标志物与临床和人口统计学变量结合时，GNN和传统ML模型分别达到AUC 0.80和0.77。回归模型在预测与治疗反应相关的生物标志物变化方面也显示出潜力，最佳模型的测试RMSE为0.56。特征重要性分析确定NT-proBNP（NPPB）、心肌肌钙蛋白（TNNI3/TNNT2）和既往HF史为最具影响力的预测因子，这与既定临床证据一致。总体而言，这些发现支持基于图的ML和回归分析作为改善MI后HF风险预测和治疗反应以及识别临床相关标志物的有前景方法。
孕期睡眠健康与首次分娩后2至7年母亲体重滞留的关系：NuMoM2b-HHS研究 Hawkins, M. S. 2026-08-26 PDF 背景：孕期睡眠健康不佳与妊娠期体重增加过多相关，但其对产后长期体重滞留的贡献尚不明确。目的：探讨首次分娩后2至7年内，孕期多个睡眠健康维度与母体体重滞留之间的关联。方法：参与者来自nuMoM2b-Heart Health Study。在孕早期（6至13 6/7周）和孕中期（22至28 6/7周）通过自我报告评估睡眠，涵盖六个维度：规律性、质量、嗜睡、时间、效率和时长。多维睡眠健康（MSH）评分反映达到健康阈值的维度数量。结局包括从孕前至首次分娩后2至7年的母体体重滞留，包括总滞留和显著滞留（>11磅）。使用调整后的线性回归估计总体重滞留的关联，使用稳健方差的泊松回归估计显著体重滞留的关联。结果：样本包括3,661名个体，其中孕早期数据（n = 2,962）和孕中期数据（n = 3,210）。在孕早期，健康睡眠时长与较低的总体重滞留相关，而健康睡眠规律性意外地与较高滞留相关。相反，在孕中期，较高的MSH评分与显著体重滞留风险降低相关（RR = 0.96，95% CI：0.93至0.99）。健康睡眠时长和质量是与较低体重滞留（2至3磅）相关的两个独立维度。结论：在一项前瞻性队列中，健康孕期睡眠，尤其是孕中期，与产后2至7年较少的母体体重滞留相关。未来研究应估计睡眠健康对长期母体体重滞留的因果效应。
系统压力可能威胁初级保健诊疗中患者对共情的感知与体验：一项嵌套式定性访谈研究 Dewar-Haggart, R. 2026-08-26 PDF 背景 在诊疗过程中，临床共情和现实乐观主义的有效沟通能促进医患交流，增强患者对护理的满意度，缓解症状，并改善生活质量。然而，初级医疗系统正承受巨大压力且快速变化，这可能影响从业者表达共情和传递现实乐观主义的能力，进而对医患关系和患者结局产生影响。因此，在当前临床背景下理解患者对医疗沟通的看法至关重要。我们旨在探讨患者在英国初级医疗诊疗中对沟通的体验和认知，重点关注临床共情和现实乐观主义的沟通。方法 作为一项多中心集群随机试验EMPathicO的一部分，我们开展了一项定性访谈研究，该试验评估了一个针对初级医疗从业者（PCPs）的简短电子学习包，旨在教授如何沟通临床共情和现实乐观主义。参与者不知晓其全科诊所是否可使用EMPathicO。访谈在参与者诊疗后7-14天内进行，探讨他们对临床共情和现实乐观主义的看法和体验，并逐字转录。访谈采用Ritchie和Spencer的框架方法进行分析。结果 我们对来自29个参与EMPathicO试验的初级医疗诊所的71名参与者进行了半结构化音频录制的定性电话访谈。在将数据全面映射到初步分析后得出的框架后，我们确定了四个主题。总体而言，大多数参与者描述了与PCPs进行共情诊疗的积极体验，然而，参与者的体验受到更广泛的系统性和情境性因素影响。他们描述了一个紧张且效率低下的初级医疗系统，影响了共情和乐观主义；PCP的“准备程度”作为共情标志的影响；诊疗方式（即面对面或电话）如何塑造对共情的感知，以及PCPs分享参与者治疗和管理后续步骤如何促进现实乐观主义。结论 尽管患者在诊疗中可能体验到临床共情和现实乐观主义，但获取和导航初级医疗系统的更广泛情境性挑战可能威胁到整体被关怀的感受。未来的初级医疗政策和劳动力培训必须考虑这些系统压力，以保持诊疗中的有效沟通和积极的医患互动。
加纳五岁以下儿童疟疾患病率相关的家庭和母亲特征：来自2019年疟疾指标调查的证据 Ohemeng, E. 2026-08-26 PDF 背景：在加纳，疟疾仍然是五岁以下儿童发病和死亡的主要原因。本研究考察了与疟疾患病率相关的家庭、母亲及儿童特征。方法：数据来源于2019年加纳疟疾指标调查。分析样本包括2,867名具有有效疟疾快速诊断检测结果的儿童。分析考虑了调查的多阶段整群设计，包括初级抽样单位、分层和抽样权重。使用了调查加权描述性统计、Rao-Scott校正卡方检验以及具有准二项链接的调查加权逻辑回归。结果：总体而言，22.9%的儿童疟疾检测呈阳性。在双变量层面，儿童年龄、五岁以下儿童数量、家庭财富、居住地、地区、家庭蚊帐使用、电力、电视拥有情况、母亲教育水平、家庭规模和贫血水平与疟疾状态显著相关（p < 0.05）。在完全调整模型中，最贫困和较贫困家庭的儿童检测呈阳性的几率高于最富裕家庭的儿童（调整后优势比分别为4.13和3.13）。农村儿童的几率高于城市儿童（调整后优势比为2.36）。与大阿克拉地区相比，东部地区的区域几率最高（调整后优势比为15.3）。年龄较大的儿童和患有严重贫血的儿童检测呈阳性的几率更高（调整后优势比分别为4.17和24.5）。母亲教育水平与家庭财富和家庭蚊帐使用显著交互作用。结论：家庭财富、地区、居住地、母亲教育水平、儿童年龄和贫血水平是疟疾患病率的重要相关因素。研究结果支持针对儿童疟疾的社会经济和区域不平等进行干预。
下肢假肢使用真实世界监测评估的多模态方案 Ahmed, M. 2026-08-26 PDF 下肢截肢患者中，假肢不使用和弃用现象仍然普遍，然而现有结局指标仅捕捉了假肢在日常生活中的有限使用方面。临床评估通常在受控环境中进行，并依赖自我报告或总体活动计数，这无法充分代表真实世界假肢使用中的功能表现、生理努力或生活体验。可穿戴和环境感知技术为弥补这一差距提供了途径，但现有方法往往孤立地测量单一维度，且很少在自由生活部署前对照实验室参考标准进行验证。本方案描述了一个整合的多模态框架，用于在三个互补领域评估真实世界下肢假肢使用：日常生活活动分类、能量消耗估算和情绪状态评估。约40名单侧大腿或小腿截肢成人完成两阶段方案。在实验室阶段，可穿戴惯性、生理和环境感知技术对照既定参考标准（包括视频标注和间接测热法）进行验证。在自由生活阶段，经过验证的模型在单次七天居家监测期间应用，将三个领域统一于一次部署中。明确的数据协调和质量控制程序对齐异构传感器流，并保持实验室校准与自由生活测量之间的可追溯性，从而能够对功能行为、代谢成本和瞬时情绪体验进行可重复的解释，并与既定临床结局领域相关联。通过在研究设计层面而非事后分析中整合多模态感知，该框架提供了一种经过验证、可重复的方法，用于表征超出常规仪器能力的假肢使用，为康复研究中的真实世界监测提供了可转移的方法。
用于提升一年级医学生循证医学教育的Python-Streamlit网络应用 Patchigolla, V. 2026-08-26 PDF 循证医学（EBM）概念对医学生而言难以掌握。我们开发了一款基于Python-Streamlit的Web应用程序，提供交互式可视化以增强EBM教学。初步应用于一年级医学生时，显示出高参与度和概念理解度的提升，支持将交互式、基于Web的工具整合进EBM课程中的可行性。
非侵入性脑刺激的认知及其临床转化的障碍：一项多利益相关者焦点小组研究 Weightman, M. 2026-08-26 PDF 目标：非侵入性脑刺激（NIBS）在治疗神经及神经精神疾病方面具有显著潜力，但其转化为常规临床实践仍有限。我们旨在探讨利益相关者对NIBS的看法及其临床采纳的障碍。方法：我们对英国三个关键利益相关者群体的33名参与者进行了焦点小组访谈：（1）有脑损伤、抑郁症或痴呆症亲身经历的人；（2）医疗专业人员；（3）研究人员。采用反思性主题分析来识别数据中的主题。结果：出现了七个关键主题，涵盖偏好、希望与失望、沟通、可及性、基础设施、伦理/监管不确定性以及证据基础。在各群体中，NIBS被积极看待并带有谨慎乐观态度，但强调了重大障碍，包括公众和临床认知有限、证明成本效益的挑战、基础设施限制以及应对监管和转化路径的困难。参与者强调了清晰沟通、改善教育和加强跨学科合作以支持采纳的重要性。值得注意的是，利益相关者优先考虑临床疗效和可用性的证据，而非详细的机制理解。结论：这些发现为NIBS的转化差距提供了可操作的见解，并强调了促进其融入临床护理的优先事项。