科学与医疗
医学智能、临床 AI、医学影像、病理、诊断和医疗健康大模型。
深度切片插值用于减少头部CT的穿平面各向异性和噪声
机构 * Department of Computer Science and Artificial Intelligence, University of Seville（塞维利亚大学计算机科学与人工智能系） ； Bioaraba Health Research Institute（Bioaraba健康研究 institute） ； IKERBASQUE, Basque Foundation of Science（巴斯克科学基金会）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.LG、eess.IV
AI总结 提出一种深度学习系统，通过相邻轴向切片对合成中间CT切片，将有效穿平面间距减半，同时实现隐式降噪，在结构指标上优于经典插值和视频帧插值方法。
Cyst-X：用于胰腺囊性肿瘤恶性风险分层的多中心MRI基准与联邦学习框架
机构 * Machine & Hybrid Intelligence Lab, Department of Radiology, Northwestern University（机器与混合智能实验室，放射科，西北大学） ； Istanbul Faculty of Medicine, Istanbul University（伊斯坦布尔大学医学学院） ； Department of Biomedical Engineering and Radiology, University of Wisconsin-Madison（生物医学工程与放射科，威斯康星大学麦迪逊分校） ； Department of Preventive Medicine, Northwestern University（预防医学系，西北大学） ； Division of Gastroenterology and Hepatology, New York University（消化内科与肝病科，纽约大学） ； Department of Electrical, Electronic and Computer Engineering, University of Catania（电气、电子和计算机工程系，卡塔尼亚大学） ； NVIDIA ； Department of Radiology, Columbia University（放射科，哥伦比亚大学） ； Department of Radiology and Nuclear Medicine, Erasmus Medical Center（放射科与核医学科，埃因霍温医学院） ； Department of Gastroenterology and Hepatology, Erasmus Medical Center（消化内科与肝病科，埃因霍温医学院） ； Department of Radiology, New York University（放射科，纽约大学） ； Division of Gastroenterology and Hepatology, Mayo Clinic Florida（消化内科与肝病科，迈阿密诊所佛罗里达分部） ； Department of Gastroenterology and Hepatology, Northwestern University（消化内科与肝病科，西北大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV
AI总结 提出Cyst-X，一个多中心MRI基准和联邦学习框架，用于IPMN恶性风险分层，结合PanSegNet分割器和3D DenseNet-121分类器，在内部交叉验证中达到0.85的AUC，性能与放射科医生相当。
SpineReport: MRI上腰椎退变的自动化3D量化与报告
机构 * NeuroPoly, Institute of Biomedical Engineering, Polytechnique Montreal（NeuroPoly，生物医学工程研究所，蒙特利尔大学） ； Mila, Quebec AI Institute, Montreal（Mila，魁北克人工智能研究所，蒙特利尔） ； Department of Radiology, Balgrist University Hospital, Zurich（放射科，巴尔格里斯大学医院，苏黎世） ； Faculty of Medicine, University of Zurich（医学学院，苏黎世大学） ； Department of Neurosurgery, Brain & Spine, University of South Florida（神经外科，脑与脊柱，佛罗里达大学） ； Center for Neuromusculoskeletal Research, University of South Florida（神经肌肉研究中心，佛罗里达大学） ； Department of Medical Engineering, University of South Florida（医学工程系，佛罗里达大学） ； Stanford School of Medicine, Stanford（斯坦福医学院，斯坦福） ； Functional Neuroimaging Unit, CRIUGM, Université de Montréal（功能神经影像单元，CRIUGM，蒙特利尔大学） ； Centre de recherche du CHU Sainte-Justine, Université de Montréal（圣若泽中心研究，蒙特利尔大学）
专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV；medical image(comments)
AI总结 提出SpineReport开源框架，利用鲁棒解剖分割从腰椎MRI中提取3D形态和信号特征，生成个体化报告，在中央管狭窄评估中AUC达0.95。
Comments Submitted to Medical Image Analysis
利用预测不确定性增强模型改进PET/CT全身病灶分割
机构 * Department of Biomedical Data Science（生物医学数据科学系） ； Geisel School of Medicine at Dartmouth（达特茅斯大学盖西尔医学院） ； Dartmouth Hitchcock Medical Center（达特茅斯希思科特医疗中心）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出一种不确定性感知框架，结合贝叶斯集成、体素不确定性量化与不确定性增强训练，提升PET/CT全身病灶分割的鲁棒性和病灶检测能力，在AutoPET-III和Deep-PSMA数据集上验证。
Comments 32 pages, 10 figures, 5 tables
中心凹成像几何CT架构与种子扩散模型实现全局超分辨率重建
专题命中 医学影像 ：CT(title,title_cn)
AI总结 提出中心凹成像几何CT架构，集成局部高分辨率数据到低分辨率主导的采集方案，并开发扩散概率超分辨率重建框架，实现全场高分辨率CT图像重建。
Comments 24pages,10figures
使用便携式Halbach扫描仪进行定性和定量硬组织MRI
专题命中 医学影像 ：MRI(title,title_cn)
AI总结 本研究开发了低场便携MRI的零回波时间(ZTE)成像框架，通过射频脉冲校准和场图校正实现无伪影成像，并在人体膝关节和踝关节上展示了韧带、肌腱等硬组织的三维成像及首次T1测量。
Comments 19 pages, 14 figures
用于MRI中无源谐振器场计算与优化的快速电磁与射频电路协同仿真
专题命中 医学影像 ：MRI(title,title_cn)
AI总结 提出一种协同仿真框架，通过单次全波电磁仿真结合电路计算与遗传算法，快速优化无源谐振器参数以增强MRI目标区域B1场，相对误差低于1%。
Journal ref Magnetic Resonance Imaging 129 (2026) 110644
ClinReadNet: 一种受临床阅读启发的低剂量腹部CT图像质量评估网络
机构 * School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） ； School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； Department of Radiology, Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University（中山纪念医院放射科，中山大学） ； Department of Stomatology, Zhujiang Hospital, Southern Medical University（南方医科大学珠江医院口腔科） ； Department of Biological Sciences, School of Science, Xi'an Jiaotong Liverpool University（西安交通大学利物浦大学科学学院生物科学系） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）
专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV
AI总结 提出ClinReadNet框架，通过模拟放射科医生阅读习惯，结合Sobel序数质量网络和窗口多尺度温度多头自注意力模块，并设计分层排序概率分数损失函数，在LDCTIQAG2023数据集上实现SOTA性能。
DD-INR: 用于加速全脑功能磁共振成像重建的动力学驱动隐式神经表示
机构 * MIND, Inria, Palaiseau, France（MIND、Inria、法国帕莱赛欧） ； Neurospin, CEA Paris Saclay, France（Neurospin、CEA巴黎萨克雷、法国） ； CEA NeuroSpin, Paris-Saclay University, CNRS BAOBAB, Gif-sur-Yvette, France（CEA NeuroSpin、巴黎萨克雷大学、CNRS BAOBAB、法国吉夫-sur-伊夫特）
专题命中 医学影像 ：MRI(title,abstract)；分类 cs.CV；medical image(journal_ref)
AI总结 提出DD-INR框架，通过将fMRI数据分解为静态背景和动态成分并用隐式神经表示建模动态，实现加速fMRI重建，提升图像质量和激活模式恢复。
Journal ref MICCAI 2026 - 29th International Conference on Medical Image Computing and Computer Assisted Intervention, Sep 2026, Strasbourg, France
衰老与痴呆发展的多重分形特征：一种多重分形空间填充曲线分析
专题命中 医学影像 ：MRI(summary_cn,abstract)；分类 q-bio
AI总结 提出多重分形空间填充曲线分析（MFSCA）方法，用于量化多维数据的相关结构，并应用于阿尔茨海默病MRI数据，发现脑组织多重分形性随年龄和痴呆发展减弱，从多重分形向单分形转变。
UHR-Net：一种用于医学图像分割的不确定性感知超图精炼网络
机构 * School of Computer Sciences, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机科学学院）
专题命中 医学影像 ：medical image(title)；diagnosis(abstract)；分类 cs.CV
AI总结 针对病灶边界模糊和小病灶分割困难，提出UHR-Net，采用不确定性导向实例对比预训练和不确定性引导超图精炼模块，在五个公开数据集上取得一致提升。
Comments 12 pages, 4 figures, 4 tables
以人为本的医学图像分析：通过公平感知的人机协作
专题命中 医学影像 ：medical image(title,abstract)；分类 cs.LG
AI总结 提出PecMan框架，联合建模子群依赖可靠性、决策分配和协作预测，通过门控与整合机制动态分配病例给自动模型或人类专家，无需测试时敏感属性，实现公平感知的人机协作分类。
Comments Submitted to Medical Image Analysis
2023年脑肿瘤分割（BraTS）挑战：撒哈拉以南非洲患者群体的胶质瘤分割（BraTS-Africa）
机构 * Medical Artificial Intelligence Laboratory (MAI Lab)（医学人工智能实验室（MAI实验室）） ； Department of Radiation Biology, Radiotherapy and Radiodiagnosis, University of Lagos（拉各斯大学放射生物学、放射治疗与放射诊断系） ； Department of Radiology, University of California, San Diego（加州大学圣地亚哥分校放射科） ； Crestview Radiology Limited（Crestview放射科有限公司） ； Lagos University Teaching Hospital（拉各斯大学教学医院） ； Lagos State University Teaching Hospital, Ikeja, Lagos, Nigeria（拉各斯州大学教学医院，伊凯贾，拉各斯，尼日利亚） ； NSIA-Kano Diagnostic Center, Kano Nigeria（NSIA-卡诺诊断中心，卡诺，尼日利亚） ； Nnamdi Azikiwe University Teaching Hospital, Nnewi, Anambra State, Nigeria（恩内迪·阿齐基韦大学教学医院，恩韦伊，安纳博拉州，尼日利亚） ； Federal Medical Centre, Abeokuta, Ogun State, Nigeria（阿博库塔联邦医疗中心，奥贡州，尼日利亚） ； Federal Medical Centre, Umahia, Abia State, Nigeria（乌马希亚联邦医疗中心，阿比亚州，尼日利亚） ； National Hospital Abuja, FCT, Nigeria（阿布贾国家医院，联邦首都区，尼日利亚） ； Benue State University Teaching Hospital, Markurdi, Benue State, Nigeria（贝努埃州大学教学医院，马库尔迪，贝努埃州，尼日利亚） ； Duke University Medical Center, Department of Radiology, USA（达特茅斯大学医学中心，放射科，美国） ； University of California San Francisco, CA, USA（加州大学旧金山分校，CA，美国） ； Yale University, New Haven, CT, USA（耶鲁大学，新 Haven，CT，美国） ； Children's National Hospital, Washington DC, USA（儿童医院华盛顿特区，华盛顿特区，美国） ； George Washington University, Washington DC, USA（乔治·华盛顿大学，华盛顿特区，美国） ； Sage Bionetworks, USA（Sage生物网络，美国） ； Department of Neuroradiology, Technical University of Munich, Munich, Germany（慕尼黑技术大学神经放射科系，慕尼黑，德国） ； Helmholtz Research Center, Munich, Germany（海德堡研究中心，慕尼黑，德国） ； Duke University Medical Center, Department of Radiation Oncology, USA（达特茅斯大学医学中心，放射肿瘤科，美国） ； Children’s Hospital of Philadelphia, University of Pennsylvania, Philadelphia, PA, USA（费城儿童医院，宾夕法尼亚大学，费城，PA，美国） ； Center for AI and Data Science for Integrated Diagnostics (AI2D) & Center for Biomedical Image Computing and Analytics (CBICA), University of Pennsylvania, Philadelphia, PA, USA（人工智能与数据科学整合诊断中心（AI2D）及生物医学影像计算与分析中心（CBICA），宾夕法尼亚大学，费城，PA，美国） ； Athinoula A Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, MA, USA（Athinoula A Martinos生物医学影像中心，马萨诸塞总医院，波士顿，MA，美国） ； University of Zurich, Switzerland（苏黎世大学，瑞士） ； Cancer Imaging Program, National Cancer Institute, National Institutes of Health, Bethesda, MD 20814, USA（癌症成像计划，国家癌症研究所，国家卫生研究院，贝塞斯达，MD 20814，美国） ； Center for Clinical Epidemiology and Biostatistics, University of Pennsylvania, Philadelphia, USA（临床流行病学与生物统计学中心，宾夕法尼亚大学，费城，美国） ； Department of Applied Mathematics and Computer Science, Technical University of Denmark, Denmark（应用数学与计算机科学系，丹麦技术大学，丹麦） ； Mayo Clinic, MN, USA（梅奥诊所，MN，美国） ； Precision FDA, U.S. Food and Drug Administration, Silver Spring, MD, USA（Precision FDA，美国食品药品监督管理局，Silver Spring，MD，美国） ； Booz Allen Hamilton, McLean, VA, USA（Booz Allen Hamilton，麦肯，VA，美国） ； Department of Radiology, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA（放射科，佩尔曼医学院，宾夕法尼亚大学，费城，PA，美国） ； Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA（病理学与实验室医学系，佩尔曼医学院，宾夕法尼亚大学，费城，PA，美国） ； Center for Global Health, Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, USA（全球健康中心，佩尔曼医学院，宾夕法尼亚大学，费城，宾夕法尼亚，美国） ； Montreal Neurological Institute, McGill University, Montreal, Canada（蒙特利尔神经科学研究所，麦吉尔大学，蒙特利尔，加拿大） ； Department of Medicine, University of Cape Town, South Africa（医学系，开普敦大学，南非） ； Department of Radiation Medicine, University of Cape Town, South Africa（放射医学系，开普敦大学，南非）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；diagnosis(abstract)；分类 cs.CV、eess.IV
AI总结 研究探讨了在资源有限的撒哈拉以南非洲地区，利用先进机器学习方法进行胶质瘤分割的可行性，旨在改进该地区胶质瘤的诊断和治疗。
Comments arXiv admin note: text overlap with arXiv:2107.02314
TractFM：纤维束图基础模型
机构 * The State Key Lab of Brain-Machine Intelligence, Zhejiang University, Hangzhou（脑机智能国家重点实验室，浙江大学，杭州） ； Department of Radiology, Brigham and Women’s Hospital, Mass General Brigham, Boston（放射科，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Harvard Medical School, Boston（哈佛医学院，波士顿） ； Academy of Medical Engineering and Translational Medicine, Tianjin University, Tianjin（医学工程与转化医学研究院，天津大学，天津） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu（信息与通信工程学院，电子科技大学，成都） ； Psychiatry Neuroimaging Laboratory, Brigham and Women’s Hospital, Mass General Brigham, Boston（精神病神经影像实验室，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Department of Psychiatry, Center for Morphometric Analysis, Massachusetts General Hospital, Boston（精神病科，形态分析中心，马萨诸塞总医院，波士顿）
专题命中 医学影像 ：MRI(abstract,abstract_cn)；分类 cs.LG、eess.IV
AI总结 提出TractFM基础模型，直接从全脑纤维束集学习可复用表示，结合局部纤维编码器和置换等变纤维束编码器，通过密集解剖束分割预训练，实现纤维束级和受试者级任务的迁移。
深度多智能体强化学习在异步定价中的失败模式：可复现触发器、轨迹诊断及部分修复
机构 * DigitalOcean, USA（DigitalOcean美国）
专题命中 医学影像 ：CT(abstract,abstract_cn)；分类 cs.LG
AI总结 研究连续时间定价市场中深度多智能体强化学习的两种可复现失败模式：DDPG智能体之间的默契合谋和高事件率下的演员-评论家不稳定性，并通过异步性实现部分修复。
++nnU-Net: 基于前缀数据增强的nnU-Net扩展
机构 * Center Algoritmi / LASI, University of Minho, Braga, Portugal（阿尔戈里米中心/拉斯伊大学，明霍大学，布拉加，葡萄牙） ； Institute for Artificial Intelligence in Medicine, University Medicine Essen, Essen, Germany（医学人工智能研究所，埃森医学院，埃森，德国） ； Institute of Medical Informatics / Dept. of Oral and Maxillofacial Surgery, University Hospital RWTH Aachen, Germany（医学信息学研究所/口腔和颅面外科部，亚琛大学医院，德国） ； Faculty of Computer Science, University of Duisburg-Essen, Essen, Germany（计算机科学学院，杜伊斯堡-埃森大学，埃森，德国）
专题命中 医学影像 ：biomedical(abstract)；分类 cs.CV、cs.LG、eess.IV
AI总结 提出++nnU-Net，通过图像配准进行数据增强，在预处理和训练前生成变形图像，在5个2D数据集上提升Dice系数最高约22%。
Comments 7 pages, 1 figure, 2 tables
超越进化的鲸鱼：群体智能在连接组储备池中最大化记忆
机构 * University of Murcia（穆尔西亚大学） ； University of Pisa（比萨大学）
专题命中 医学影像 ：MRI(abstract,abstract_cn)
AI总结 应用四种无梯度生物启发优化器优化六物种连接组储备池的边权重，在所有任务和物种上均优于未优化的生物基线，鲸鱼优化算法实现最大提升（记忆容量提升17倍，均方根误差降低89%），表明生物权重是拓扑无法替代的必要归纳偏置。
粘弹性软材料中非球形气泡动力学
专题命中 医学影像 ：biomedical(abstract)
AI总结 针对粘弹性材料中非球形气泡动力学预测难题，提出叠加旋转扰动的势流模型，采用Kelvin-Voigt本构，满足动量平衡和应力连续，与实验数据吻合。
基于傅里叶分解的超分辨结构照明X射线显微镜
专题命中 医学影像 ：biomedical(abstract)
AI总结 提出一种超分辨X射线显微镜方法，通过结构照明编码高频信息，利用傅里叶分解解码，实现2.2倍分辨率提升，并扩展至显微断层成像，同时获取相位衬度和暗场图像。
利用大型语言模型增强电子健康记录中临床驱动的缺失数据恢复算法
机构 * Department of Statistical Sciences, Wake Forest University（统计科学系，威克森林大学） ； Wake Forest University（威克森林大学） ； Wake Forest University School of Medicine（威克森林大学医学院） ； Department of Psychology, North Carolina State University（心理学系，北卡罗来纳州立大学） ； Department of Biostatistics and Data Science, Wake Forest University School of Medicine（生物统计学与数据科学系，威克森林大学医学院） ； Department of Anesthesiology, Division of Critical Care Medicine, Wake Forest University School of Medicine（麻醉学系，重症医学科，威克森林大学医学院） ； Outcomes Research Consortium（结局研究联盟）
专题命中 临床大模型 ：diagnosis(abstract)；分类 cs.LG
AI总结 本文探讨利用大型语言模型改进电子健康记录中缺失数据恢复算法的准确性与可扩展性，通过临床专家和LLM协同优化路标，实现与专家审查相似的数据恢复效果。
Journal ref 2026
FailureScope: 语言模型弱点的跨机制行为诊断
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.LG
AI总结 提出FailureScope方法，通过跨模型通过/失败模式聚类评估探针，在单轮基准、多轮对话和对抗性代理攻击三种机制下稳定生成可解释的失败分类，实现高效任务采样和跨模型失败预测。
基于深度学习分析骨髓涂片的急性髓系白血病患者级诊断
机构 * State Key Laboratory of Nuclear Physics and Technology, School of Physics, Peking University（北京大学核物理与天体物理国家重点实验室，物理学院） ； Peking University People’s Hospital, Peking University Institute of Hematology, National Clinical Research Center for Hematologic Disease, Beijing Key Laboratory of Hematopoietic Stem Cell Transplantation（北京大学人民医院，北京大学血液病研究所，国家血液病临床医学研究中心，北京造血干细胞移植重点实验室） ； Shanghai Dishuo Beiken Biotechnology Co., Ltd.（上海迪朔生物科技有限公司）
专题命中 诊断辅助 ：diagnosis(title,abstract)；分类 cs.CV
AI总结 提出从细胞到患者的深度学习流程，通过YOLO检测细胞、EfficientNet-B0分类复合母细胞样细胞（CBLC），聚合细胞级预测为患者级CBLC比率，实现AML辅助诊断，在外部验证集上F1达0.91。
Comments 4 figures
基于CNN和GRU网络的哮喘与COPD鉴别诊断中二维输入表示和子阶段融合策略的优化
机构 * Dept. Electrical and Electronics Engineering Istanbul Bilgi University, Turkey（电气与电子工程系伊斯坦布尔比尔吉大学，土耳其） ； Dept. Computer Engineering Istanbul Bilgi University, Turkey（计算机工程系伊斯坦布尔比尔吉大学，土耳其）
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 本研究优化了二维输入表示（MFCC、对数梅尔谱图、VAR模型）和子阶段特征融合策略（直接拼接、GRU、GRU+注意力），使用CNN和GRU网络鉴别哮喘与COPD，最佳F1分数达0.877。
Dep-LLM：基于证据引导的结构化多因素与可靠LLM推理的无训练抑郁症诊断
机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, Guangdong, China（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi, China（江南大学人工智能与计算机学院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing（广东省智能信息处理重点实验室） ； Pengcheng Laboratory（鹏城实验室） ； Chinese People’s Liberation Army General Hospital, Beijing, China（中国人民解放军总医院）
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 提出无训练框架Dep-LLM，通过思维链多因素分析、置信度调制和协作预测，在冻结LLM上实现抑郁症诊断，超越零样本和微调方法。
一种考虑鲁棒性分析的基于置信规则库的可靠故障诊断方法
机构 * Central South University（中南大学）
专题命中 诊断辅助 ：diagnosis(title,abstract)
AI总结 针对故障诊断中传感器读数可靠性问题，提出一种基于置信规则库的可靠故障诊断方法，通过鲁棒性分析与优化策略提升模型准确性和鲁棒性，在柴油机和轴承故障诊断中验证有效性。
当归因补丁说谎时：诊断与二阶修正
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
专题命中 诊断辅助 ：diagnosis(title)；分类 cs.LG
AI总结 研究归因补丁（梯度一阶近似）在机制可解释性中的不可靠性，发现主要误差源于下游网络的非线性，并提出可靠性评分、误差界和HVP二阶修正方法。
Comments 30 pages, 12 figures
ProbeLLM：自动化的大语言模型故障原则性诊断
机构 * University of Notre Dame（诺丁汉大学） ； LMU Munich（慕尼黑大学） ； Massachusetts Institute of Technology（麻省理工学院） ； IBM Research（IBM研究院）
专题命中 诊断辅助 ：diagnosis(title)
AI总结 提出ProbeLLM框架，通过分层蒙特卡洛树搜索在全局探索与局部细化间分配预算，结合工具增强生成与验证，将故障发现从孤立案例提升为结构化故障模式，揭示更广泛、清晰、细粒度的故障景观。
修正随机森林产生的变量重要性评分
机构 * Computer and Information Science（计算机与信息科学） ； Mathematics and Data Science（数学与数据科学） ； University of Massachusetts, Dartmouth, MA（马萨诸塞大学达特茅斯分校） ； The Rivers School, Weston, MA（韦斯特on学校的河流学校）
专题命中 诊断辅助 ：diagnosis(abstract)；分类 cs.LG
AI总结 针对随机森林变量重要性受变量间相关性影响的问题，提出基于条件相关性的分组方法进行修正，实验证明两种计算高效方案均能有效校正变量重要性。
Comments 22 pages, 10 figures
基于来源的门控与自适应恢复在合成后训练数据筛选中的应用
机构 * Lexsi Labs
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 研究合成后训练数据筛选中的来源证据门控与样本自适应恢复，提出结合故障诊断与定向再生成的自适应恢复流水线，提高产量、恢复率和注入召回率。
确定性溯源：从歧义到代数
专题命中 诊断辅助 ：diagnosis(abstract)
AI总结 提出确定性溯源框架，通过支持集和滤过结构量化数据结果对语义分辨的依赖程度，适用于事务隔离和Datalog¬。
Comments 15 pages body, 34 pages total
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈