医学 AI

Explainability in Generative Medical Diffusion Models: A Faithfulness-Based Analysis on MRI Synthesis

生成医学扩散模型的可解释性：基于忠实度的MRI合成分析

Surjo Dey, Pallabi Saikia

机构 * Rajiv Gandhi institute of petroleum technology（拉吉夫·甘地石油技术学院） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；medical image(abstract)；分类 cs.LG

AI总结 研究探讨生成扩散模型在医学影像中的可解释性，聚焦MRI合成，通过分析原型方法评估生成与训练特征的关系，实验表明EPPNet在忠实度上表现最佳，提升生成过程的透明度和可信度。

Comments Accepted at 3rd World Congress on Smart Computing (WCSC2026) conference

Robust Multicenter CT Radiogenomics for Dual EGFR and KRAS Prediction in Lung Cancer with Stability-Aware Modeling and SHAP Interpretation

稳健的多中心CT放射组学用于肺癌中EGFR和KRAS双重预测：基于稳定性意识的建模和SHAP解释

Somayeh Sadat Mehrnia, Fatemeh Razavi, Helia Abedini, Niloofar Rahimi, Arman Rahmim, Mohammad Salmanpour

专题命中 医学影像 ：CT(title,title_cn)

AI总结 本文研究了多中心CT放射组学在肺癌中EGFR和KRAS双重预测中的应用，通过结合手工特征和深度特征，提出稳定性意识建模和SHAP解释方法，提升预测鲁棒性。

On the convergence of an adaptive denoiser driven iterative regularization with early stopping

关于基于自适应去噪器驱动迭代正则化方法收敛性的研究

Harshit Bajpai, Ankik Kumar Giri, Tim Jahn, Abhinav Jha

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 本文提出DDIR方法，通过自适应步长和后验停止规则，证明其在经典意义下稳定且收敛，用于图像去模糊和相位恢复CT的数值实验验证了其有效性。

Bayesian Inference for Incomplete 2x2 Diagnostic Tables

不完整2x2诊断表的贝叶斯推断

Sara Antonijevic, Danielle Sitalo, Brani Vidakovic

专题命中 医学影像 ：MRI(summary_cn,abstract)

AI总结 本文提出层次贝叶斯模型以重建不完整的2x2诊断表，解决医学研究中诊断准确性数据不完整的问题，通过两种场景展示方法，并在乳腺MRI研究中验证其重建性能。

Comments 21 pages, 10 tables. Supplementary materials and reproducible code available at https://github.com/saraantonijevic/bayesian_diagnostic_table-reconstruction

CoRe: Joint Optimization with Contrastive Learning for Medical Image Registration

CoRe：基于对比学习的医学图像配准联合优化

Eytan Kats, Christoph Grossbroehmer, Ziad Al-Haj Hemidi, Fenja Falta, Wiebke Heyer, Mattias P. Heinrich

机构 * Insitute of Medical Informatics, University of Luebeck, Luebeck, Germany（吕贝克大学医学信息学研究所） 纠错

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文提出CoRe框架，将对比学习直接整合到配准模型中，通过联合优化对比和配准目标，提升特征表示的鲁棒性，实验表明在腹部和胸腔配准任务中性能优于基线方法。

Comments Preprint

MSLAU-Net: A Hybrid CNN-Transformer Network for Medical Image Segmentation

MSLAU-Net：一种用于医学图像分割的混合CNN-Transformer网络

Libin Lan, Yanxin Li, Xiaojuan Liu, Juan Zhou, Jianxun Zhang, Nannan Huang, Yudong Zhang

机构 * College of Computer Science and Engineering（计算机科学与工程学院） ； College of Artificial Intelligence（人工智能学院） ； Department of Pharmacy（药学部） ； Department of Prosthodontics（修复学部） ； Chongqing Key Laboratory of Oral Diseases（重庆口腔疾病重点实验室） ； Chongqing Municipal Key Laboratory of Oral Biomedical Engineering of Higher Education（重庆市口腔生物医学工程高等教育重点实验室） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Southeast University（东南大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；分类 cs.CV

AI总结 本文提出MSLAU-Net，结合CNN和Transformer的优势，通过多尺度线性注意力和自上而下特征聚合机制，提升医学图像分割的精度与效率。

Comments 15 pages, 7 figures, 9 tables

Causal-Transformer with Adaptive Mutation-Locking for Early Prediction of Acute Kidney Injury

具有自适应突变锁定的因果变换器用于急性肾损伤的早期预测

Weizhi Nie, Haolin Chen

机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； Department of Nephrology, TEDA Hospital, Tianjin University（天津大学TEDA医院肾内科） ； Tianjin Medical University General Hospital（天津医科大学总医院） ； Department of Nephrology, First Teaching Hospital of Tianjin University of Traditional Chinese Medicine（天津中医药大学第一教学医院肾内科） 纠错

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.LG

AI总结 本文提出CT-Former，结合连续时间建模与因果变换器，通过自适应突变锁定机制解决数据不规则和模型黑箱问题，提升急性肾损伤早期预测的临床可信度。

Scaling In-Context Segmentation with Hierarchical Supervision

基于分层监督的上下文扩展分割

T. Camaret Ndir, Marco Reisert, Robin T. Schirrmeister

机构 * Division of Medical Physics, Department of Radiology, Medical Center – University of Freiburg（医学物理系，放射科，弗赖堡大学医学中心） 纠错

专题命中 医学影像 ：medical image(abstract)；CT(abstract)；pathology(abstract)；分类 cs.CV

AI总结 本文提出PatchICL框架，通过选择性图像分块与多级监督实现高效上下文学习，提升医学图像分割性能并降低计算开销。

AnatomicalNets: A Multi-Structure Segmentation and Contour-Based Distance Estimation Pipeline for Clinically Grounded Lung Cancer T-Staging

AnatomicalNets：一种用于临床肺癌T分期的多结构分割和基于轮廓的距离估计流程

Saniah Kayenat Chowdhury, Rusab Sarmun, Muhammad E. H. Chowdhury, Sohaib Bassam Zoghoul, Israa Al-Hashimi, Adam Mushtak, Amith Khandakar

机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（达卡大学机器人与机电工程系） ； Department of Electrical and Electronics Engineering, University of Dhaka（达卡大学电气与电子工程系） ； Department of Electrical Engineering, Qatar University（卡塔尔大学电气工程系） ； Department of Radiology, Hamad Medical Corporation（哈马德医疗集团放射科） ； Department of Biomedical Technology, Prince Sattam Bin Abdulaziz University（普林斯·萨塔姆·本·阿卜杜勒阿齐兹大学生物医学技术系） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出AnatomicalNets，通过多阶段流程将肿瘤分期转化为测量和规则推理问题，利用三个编码器-解码器网络进行分割，并结合轮廓距离估计方法提升临床可解释性，实现91.36%的分类准确率。

MambaLiteUNet: Cross-Gated Adaptive Feature Fusion for Robust Skin Lesion Segmentation

MambaLiteUNet: 跨门控自适应特征融合用于稳健的皮肤病变分割

Md Maklachur Rahman, Soon Ki Jung, Tracy Hammond

机构 * Texas A&M University（德克萨斯大学） ； Kyungpook National University（庆尚国立大学） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出MambaLiteUNet，通过整合Mamba状态空间模型与U-Net架构，结合三个关键模块提升局部-全局特征交互和空间细节保留，实现高精度分割。

Comments Accepted at CVPR 2026 Main

Weighted Knowledge Distillation for Semi-Supervised Segmentation of Maxillary Sinus in Panoramic X-ray Images

带权知识蒸馏的半监督maxillary sinus在全景X射线图像中的分割

Juha Park, Jiho Choi, Jong Pil Yun, Yong Chan Park, Han-Gyeol Yeom, Byung Do Lee, Sang Jun Lee

机构 * Division of Electronics and Information Engineering, College of Engineering, Jeonbuk National University（全罗国立大学电子与信息工程系） ； Manufacturing AI Research Center, Korea Institute of Industrial Technology (KITECH)（韩国工业技术研究院制造人工智能研究中心） ； KITECH School, University of Science and Technology, Cheonan（科技大学校KITECH学院） ； The Graduate School of Advanced Imaging Science, Multimedia & Film, Chung-Ang University（Chung-Ang大学高级影像科学研究生院，多媒体与电影） ； Department of Oral and Maxillofacial Radiology and Wonkwang Dental Research Institute, College of Dentistry, Wonkwang University（Wonkwang大学口腔颌面放射科及Wonkwang牙科研究所） 纠错

专题命中 医学影像 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出一种半监督分割框架，利用带权知识蒸馏和SinusCycle-GAN提升全景X射线图像中maxillary sinus的分割性能，实验表明其在有限标注数据下具有更高的Dice分数和更小的边界误差。

Comments 14 pages, 6 figures. Under review

Can "AI" Be a Doctor? A Study of Empathy, Readability, and Alignment in Clinical LLMs

AI能成为医生吗？对临床LLM中共情、可读性和对齐性的研究

Mariano Barone, Francesco Di Serio, Roberto Moio, Marco Postiglione, Giuseppe Riccio, Antonio Romano, Vincenzo Moscato

机构 * Department of Electrical Engineering and Information Technology（电子工程与信息科技系） ； University of Naples Federico II（那不勒斯费德里科二世大学） ； Department of Translational Medical Sciences（转化医学科学系） ； University of Campania ”Luigi Vanvitelli”（坎帕尼亚“路易吉·范维蒂利”大学） ； Department of Computer Science, McCormick School of Engineering and Applied Science（计算机科学系，麦科马克工程与应用科学学院） ； Northwestern University（西北大学） 纠错

专题命中 临床大模型 ：clinical LLM(title)

AI总结 本文研究了临床LLM在共情、可读性和对齐性方面的表现，发现协作重写能显著提升对齐效果，但LLM仍无法超越医生的临床专业性。

Rabies diagnosis in low-data settings: A comparative study on the impact of data augmentation and transfer learning

狂犬病在数据有限环境中的诊断：数据增强与迁移学习影响的比较研究

Khalil Akremi, Mariem Handous, Zied Bouslama, Farah Bassalah, Maryem Jebali, Mariem Hanachi, Ines Abdeljaoued-Tej

机构 * University of Carthage, Engineering School of Statistics（卡塔尔大学统计工程学院） ； University of Tunis-El-Manar, Rabies Laboratory, Institut Pasteur de Tunis（突尼斯-埃尔-曼纳大学狂犬病实验室，突尼斯巴斯德研究所） ； University of Tunis-El-Manar, BIMS Laboratory (LR16IPT06), Institut Pasteur de Tunis（突尼斯-埃尔-曼纳大学BIMS实验室（LR16IPT06），突尼斯巴斯德研究所） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文研究了数据增强和迁移学习在狂犬病诊断中的影响，提出了一种自动化诊断系统，利用四种深度学习架构和三种数据增强策略，验证了TrivialAugmentWide的有效性，并展示了EfficientNetB0在图像分类中的最佳性能。

Comments This work has been accepted for publication in ICMI IEEE Conference (04/2026)

Journal ref IEEE conference 2026

X-PCR: A Benchmark for Cross-modality Progressive Clinical Reasoning in Ophthalmic Diagnosis

X-PCR：眼科诊断中跨模态渐进临床推理的基准测试

Gui Wang, Zehao Zhong, YongSong Zhou, Yudong Li, Ende Wu, Wooi Ping Cheah, Rong Qu, Jianfeng Ren, Linlin Shen

机构 * School of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Tsinghua University（清华大学） ； University of Nottingham（诺丁汉大学） ； School of AI, Shenzhen University（深圳大学人工智能学院） ； Wenzhou Medical University（温州医科大学） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（广东省智能信息处理重点实验室） 纠错

专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV

AI总结 本文提出X-PCR基准测试，通过完整眼科诊断流程评估多模态大语言模型的渐进推理和跨模态整合能力，包含26,415张图像和177,868个专家验证的VQA对，评估21个模型揭示其在渐进推理和跨模态整合方面的不足。

Comments Accept by CVPR2026

Automated Description Generation of Cytologic Findings for Lung Cytological Images Using a Pretrained Vision Model and Dual Text Decoders: Preliminary Study

利用预训练视觉模型和双文本解码器自动描述肺穿刺图像的细胞学发现：初步研究

Atsushi Teramoto, Ayano Michiba, Yuka Kiriyama, Tetsuya Tsukamoto, Kazuyoshi Imaizumi, Hiroshi Fujita

机构 * Faculty of Information Engineering, Meijo University（_meijo大学信息工程学部） ； School of Medicine, Fujita Health University（_fujita健康大学医学部） ； Narita Memorial Hospital（_narita纪念医院） ； Oncology Innovation Center, Fujita Health University（_fujita健康大学肿瘤创新中心） ； Faculty of Engineering, Gifu University（_gifu大学工学部） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出利用预训练视觉模型和双文本解码器自动生成肺穿刺图像的细胞学发现，通过CNN分类和Transformer生成文本，实现高准确率的细胞学报告生成。

Comments This paper has been published in Cytopathology (2025)

Morphology-Aware Peptide Discovery via Masked Conditional Generative Modeling

通过掩码条件生成模型实现形态感知的肽发现

Nuno Costa, Julija Zavadlav

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM School of Engineering and Design（慕尼黑技术大学工程与设计学院） ； Department of Engineering Physics and Computation（工程物理与计算系） ； Munich Data Science Institute（慕尼黑数据科学研究所） ； AMC（原子模型中心） 纠错

专题命中 诊断辅助 ：biomedical(abstract)；分类 cs.LG、q-bio

AI总结 本文提出PepMorph框架，通过条件生成模型生成具有特定聚集形态的肽序列，利用几何和物理化学描述符训练变分自编码器，实现高效肽发现。

Comments 46 pages, 4 figures, 6 tables

HumanScore: Benchmarking Human Motions in Generated Videos

HumanScore：在生成视频中评估人类动作的基准测试

Yusu Fang, Tiange Xiang, Tian Tan, Narayan Schuetz, Scott Delp, Li Fei-Fei, Ehsan Adeli

机构 * Stanford University（斯坦福大学） ； Peking University（北京大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.CV

AI总结 本文提出HumanScore框架，通过六个可解释指标评估AI生成视频中人类动作的质量，揭示感知合理性与生物力学真实性的差距，并产生可靠的模型排名。

From Signal Degradation to Computation Collapse: Uncovering the Two Failure Modes of LLM Quantization

从信号退化到计算崩溃：揭示大语言模型量化中的两种失败模式

Chenxi Zhou, Pengfei Cao, Jiang Li, Bohan Yu, Jinyu Ye, Jun Zhao, Kang Liu

机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所认知与决策智能复杂系统重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； College of Computer Science, Inner Mongolia University（内蒙古大学计算机学院） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 研究揭示大语言模型量化中两种不同失败模式：信号退化和计算崩溃，并提出针对性修复方法，表明结构重建比单纯补偿更有效。

Comments Accepted to Findings of ACL 2026

Neural Bandit Based Optimal LLM Selection for a Pipeline of Subtasks

基于神经带宽的最优LLM选择用于子任务流水线

Baran Atalar, Eddie Zhang, Carlee Joe-Wong

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出一种神经上下文带宽算法，用于在无需历史LLM性能数据的情况下，指导不同子任务的LLM选择，通过子任务输出影响后续任务，实现子任务间复杂依赖关系的学习。

Fast Bayesian equipment condition monitoring via simulation based inference: applications to heat exchanger health

基于仿真的贝叶斯设备状态监测：用于热交换器健康的应用

Peter Collett, Alexander Johannes Stasik, Simone Casolo, Signe Riemer-Sørensen

机构 * Department of Data Science, Norwegian University of Life Sciences（数据科学系，挪威生命科学大学） ； Department for Mathematics and Cybernetics, SINTEF Digital（数学与 cybernetics 系，SINTEF 数字） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出基于仿真的贝叶斯方法，通过神经网络后验估计加速热交换器故障诊断，实现高效实时监测。

Comments Submitted, 15 pages, 9 figures, code available on github

A Spatial-Resolved Proton Energy Spectrometer Based on a Scintillation-Fiber Cube

基于闪烁纤维立方体的空间分辨质子能谱仪

Tan Song, Ying Gao, Di Wang, Yujia Zhang, Jiarui Zhao, Qingfan Wu, Zhuo Pan, Shirui Xu, Ziyang Peng, Yulan Liang, Tianqi Xu, Zihao Zhang, Haoran Chen, Qihang Han, Xuan Liu, Ye Yang, Maocheng Wang, Siguang Wang, Yihua Yan, Zhongming Wang, Wenjun Ma

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出一种基于闪烁纤维立方体的新型能谱仪，用于高能脉冲离子束的在线诊断，实现了宽能谱和复杂空间分布的测量。

Comments 21 pages, 12 figures

Hybrid Decision Making via Conformal VLM-generated Guidance

通过符合性VLM生成的指导实现混合决策

Debodeep Banerjee, Burcu Sayin, Stefano Teso, Andrea Passerini

机构 * University of Pisa（帕尔米斯大学） ； DISI, University of Trento（特伦托大学DISI研究所） ； CIMEC, University of Trento（特伦托大学CIMEC研究所） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 本文提出ConfGuide方法，通过符合性风险控制生成简洁精准的指导，提升多标签医学诊断任务中的决策质量。

RAG-KT: Cross-platform Explainable Knowledge Tracing with Multi-view Fusion Retrieval Generation

RAG-KT: 跨平台可解释知识追踪的多视图融合检索生成

Zhiyi Duan, Hongyu Yuan, Rui Liu

机构 * Inner Mongolia University（内蒙古大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 RAG-KT通过多视图融合检索生成技术，解决传统知识追踪模型在跨平台迁移和解释性上的不足，提升准确性和鲁棒性。

Mirroring Minds: Asymmetric Linguistic Accommodation and Diagnostic Identity in ADHD and Autism Reddit Communities

镜像心灵：ADHD和自闭症Reddit社区中的非对称语言适应与诊断身份

Saad Mankarious, Nour Zeid, Iyad Ait Hou, Rebecca Hwa, Aya Zirikly

机构 * The George Washington University（乔治华盛顿大学） ； Texas A&M University（德克萨斯农工大学） 纠错

专题命中 诊断辅助 ：diagnosis(abstract)

AI总结 研究探讨了ADHD和自闭症Reddit社区成员在跨社区交流时的语言适应行为，发现语言特征在跨社区时呈现相反变化，部分反驳了单纯主题解释，初步表明情境适应与长期身份过程可能涉及不同机制。

Source localization realizes single frame super-resolution for fluorescence imaging

源定位实现荧光成像的单帧超分辨率

Mengrui Wang, Shouwen Ma, Zewei Luo, Wei Shi, Yiming Li, Yuwei Huang, Hu Zhao, Chang Liu, Manming Shu, Jingxiang Zhang, Yansheng Liang, Tianyu Zhao, Shaowei Wang, Tongsheng Chen, Chenguang Wang, Ming Lei

专题命中 病理影像 ：biomedical(abstract)

AI总结 本文提出Source Localization算法，通过采样检测策略实现单帧超分辨率，克服传统方法的局限，支持实时活细胞成像和多种定量分析。

Comments 52 pages, 12 figures

Dual Causal Inference: Integrating Backdoor Adjustment and Instrumental Variable Learning for Medical VQA

双重因果推断：整合后门调整与工具变量学习用于医疗视觉问答

Zibo Xu, Qiang Li, Ke Lu, Jin Wang, Weizhi Nie, Yuting Su

机构 * School of Microelectronics, Tianjin University（天津大学微电子学院） ； Department of Orthopedics, Affiliated Kunshan Hospital of Jiangsu University（江苏大学附属昆山医院骨科部） ； Department of Clinical Laboratory, The Third Central Hospital of Tianjin（天津第三中心医院临床实验室） ； School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） 纠错

专题命中 医疗多模态 ：medical image(abstract)；分类 cs.CV

AI总结 本文提出双重因果推断框架，通过整合后门调整和工具变量学习，解决医疗视觉问答中多模态数据中的内在偏见问题，提升模型的诊断推理可靠性。

CLIP-SVD: Efficient and Interpretable Vision-Language Adaptation via Singular Values

CLIP-SVD：通过奇异值实现高效且可解释的视觉-语言适应

Taha Koleilat, Hassan Rivaz, Yiming Xiao

机构 * Department of Electrical & Computer Engineering, Concordia University（康科迪亚大学电气与计算机工程系） ； Department of Computer Science & Software Engineering, Concordia University（康科迪亚大学计算机科学与软件工程系） 纠错

专题命中 医疗多模态 ：biomedical(abstract)；分类 cs.CV

AI总结 CLIP-SVD通过奇异值微调方法，以0.04%的参数量实现高效视觉-语言模型适应，提升适应性能并保留泛化能力，在11个自然和10个生物医学数据集上取得最佳分类结果。

Comments TMLR 2026

Large Language Models Meet Biomedical Knowledge Graphs for Mechanistically Grounded Therapeutic Prioritization

大型语言模型与生物医学知识图谱结合用于机制性指导的治疗优先级排序

Chih-Hsuan Wei, Chi-Ping Day, Zhizheng Wang, Christine C. Alewine, Betty Tyler, Hasan Slika, David Saraf, Chin-Hsien Tai, Joey Chan, Robert Leaman, Zhiyong Lu

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文提出DrugKLM框架，结合生物医学知识图谱与大语言模型的机制推理，提升治疗优先级排序的准确性与生物学依据。

Comments 24 pages, 5 figures in main text

Do We Need Bigger Models for Science? Task-Aware Retrieval with Small Language Models

我们是否需要更大的模型用于科学？基于任务的检索与小型语言模型

Florian Kelber, Matthias Jobst, Yuni Susanti, Michael Färber

机构 * TU Dresden, Germany（德累斯顿理工大学，德国） ； FIZ Karlsruhe, Germany（卡尔斯鲁厄研究所，德国） ； ScaDS.AI, TU Dresden, Germany（ScaDS.AI，德累斯顿理工大学，德国） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文探讨小型语言模型在科学应用中的可行性，通过设计轻量级检索增强框架，结合全文科学论文和结构化元数据，展示检索与模型规模的互补性。

Comments Accepted at NSLP@LREC 2026

A Heterogeneous Long-Micro Scale Cascading Architecture for General Aviation Health Management

一种异构长微尺度级联架构用于通用航空健康管理

Xinhang Chen, Zhihuan Wei, Yang Hu, Zhiguo Zeng, Kang Zeng, Wei Wang

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG

AI总结 本文提出一种异构级联架构，通过分离全局异常检测与微尺度故障分类，解决接收场悖论，提升航空设备健康管理的准确性和效率。

Comments Significant methodological flaws have been identified in the experimental validation and metric computation procedures that undermine the reliability of the reported results. A comprehensive revision is underway