医学 AI

RegionFM: Interpretable Region-Based Brain MRI Classification Using Foundation Model Embeddings

RegionFM：使用基础模型嵌入进行可解释的基于区域的脑MRI分类

Wei Zhang

机构 * L3S Research Center（L3S研究中心） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG

AI总结 研究针对脑MRI基础模型预测难解释问题，提出RegionFM框架，将解剖分割与基础模型嵌入结合，通过划分区域、编码嵌入及构建模型组合，用于认知障碍分类评估，在保持性能同时使解释与临床推理更好对齐。

Monte Carlo Dropout Uncertainty and Entropy-Thresholded Selective Prediction for Architecture-Agnostic Brain Tumor MRI Triage

用于与架构无关的脑肿瘤MRI分类的蒙特卡罗随机失活不确定性和熵阈值选择性预测

Medhansh Sharma

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG

AI总结 该研究针对脑肿瘤MRI分类，提出基于蒙特卡罗随机失活读取不确定性并转化为熵阈值规则的流程，通过特定图像分区和多模型多指标评估，结果表明此不确定性流程有效，可校准且能提高分类准确性，提供架构无关的脑肿瘤MRI分类基础。

Comments 18 pages, 8 figures, 5 tables

SAMRI-3D: Adapting SAM2 for 3D MRI Segmentation with Global Volume Tokens

SAMRI-3D：通过全局体积令牌将SAM2应用于3D MRI分割

Zhao Wang, Wei Dai, Hongfu Sun, Craig Engstrom, Shekhar S. Chandra

机构 * School of Electrical Engineering and Computer Science, The University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； School of Engineering, College of Engineering, Science and Environment, University of Newcastle（工程学院，工程、科学与环境学院，纽卡斯尔大学） ； School of Human Movement and Nutrition Sciences, The University of Queensland（人类运动与营养科学学院，昆士兰大学） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 研究针对MRI低软组织对比度导致边界难观察的问题，提出SAMRI-3D方法，通过冻结图像编码器、微调解码器和内存模块，并引入全局体积令牌，在3D MRI分割上取得高精度，提升了基于SAM的医学模型性能。

BrainNext: A General-Purpose Self-Supervised Foundation Model for Brain MRI Analysis

BrainNext：用于脑MRI分析的通用自监督基础模型

Moona Mazher, Abdul Qayyum, Steven A. Niederer, Daniel C. Alexander

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 研究提出BrainNext通用自监督基础模型用于脑MRI分析，结合MAE预训练与三维双向xLSTM-UNet架构，从大量未标记数据学习，经微调用于下游任务，在FOMO 2025评估中表现出色，证明其可转移性和作为基础模型的潜力。

DRIFT: Difficulty-aware Rectified Flows for Through-plane MRI Super-Resolution

DRIFT：用于平面内MRI超分辨率的难度感知整流流

Yoonseok Choi, Eun-Gyu Ha, Daniel Kim, Mohammed A. Al-masni, Ming-Hsuan Yang, Dong-Hyun Kim

机构 * Yonsei University（延世大学） ； King Fahd University of Petroleum & Minerals (KFUPM)（法赫德国王石油与矿业大学） ； University of California at Merced（加州大学默塞德分校） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 针对平面内MRI超分辨率中效率与保真度的权衡问题，提出DRIFT框架，通过两阶段厚度条件整流流，利用解剖投影网络初始化，引入物理感知难度度量指导自适应积分调度器，降低推理成本并优于超分辨率基线。

Per-Bundle Statistical Limits and Learned-Prior Inversion in Multiplexed X-ray Imaging, with Application to Temporal CT

神经网络反演用于时间CT多源束问题：每束统计极限与近最优性能

Guy M. Besson

专题命中 医学影像 ：CT(title,title_cn)；分类 eess.IV

AI总结 本文研究时间CT中多源反演问题，提出近最优算法SNN1及神经网络，分析不同衰减条件下性能差异，揭示先验信息集中度对反演效果的影响。

Comments 32 pages and 6 figures. Manuscript substantially reframed (prose and organization) for submission to a different journal from v3; underlying scientific content is more than 95% consistent

LoGSAM: Parameter-Efficient Cross-Modal Grounding for MRI Segmentation

LoGSAM: 用于MRI分割的参数高效跨模态接地

Mohammad Robaitul Islam Bhuiyan, Sheethal Bhat, Melika Qahqaie, Andreas Maier, Tri-Thien Nguyen, Paula Andrea Pérez-Toro, Tomás Arias-Vergara

机构 * Pattern Recognition Lab, Friedrich-Alexander-Universität, Erlangen, Germany（德国埃朗根-纽伦堡大学模式识别实验室） ； Siemens Healthineers, Erlangen, Germany（德国埃朗根西门子医疗） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 LoGSAM通过将放射科医生的语音转录为文本提示，利用预训练基础模型实现MRI肿瘤的高效分割，采用LoRA微调提升领域适应性，达到80.32%的Dice分数。

Comments 10 pages, 3 figures, 5 tables

Measuring Computational Thinking Self-Efficacy (CT-SEI): Instrument development and preliminary evaluation

测量计算思维自我效能感（CT-SEI）：量表开发与初步评估

Imke de Jong, Johan Jeuring, Judith Masthoff

专题命中 医学影像 ：CT(title,title_cn)

AI总结 研究旨在开发测量高等教育学生计算思维自我效能感的工具，通过创建候选项目、专家评估、收集学生数据进行主成分分析和验证性因素分析，最终形成可用于评估干预效果及促进CT技能发展的工具。

Comments Accepted by UKICER 2026

Portable surrogate-free 4D MRI from standard fast multi-slice 2D MRI via implicit neural representations

通过隐式神经表示从标准快速多层 2D MRI 实现便携式无替代 4D MRI

Muheng Li, Xinyang Wu, Xia Li, Orso Pusterla, Philippe C. Cattin, Sairos Safai, Antony J. Lomax, Ye Zhang

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究提出 SIMPLE - 4D 工作流程，通过标准快速多层 2D MRI 重建切片实现便携式无替代 4D MRI，结合采集无关前端、无替代变分运动编码器和基于隐式神经表示的时空重建，在多数据集验证，有创新成果及性能提升。

Comments 52 pages, 8 figures, 6 tables

Beyond Target Scores: Measuring Off-Target Drift in Diffusion-Based Medical Image Editing

超越目标分数：测量基于扩散的医学图像编辑中的偏离目标漂移

Todd Zhou

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

AI总结 研究基于扩散的医学图像编辑中偏离目标漂移问题，引入CIB-Med-1基准及受约束扩散引导基线，通过多指标评估编辑效果，实验显示能保留目标进展并减少偏离目标漂移，强调应从轨迹级语义控制角度评估医学图像编辑。

Transferable Low-Rank Convolutional Bases for Onboarding Unseen Medical Imaging Modalities

用于引入未见医学成像模态的可转移低秩卷积基

Ranat Das Prangon, Istiaque Ahmed, Shajid Hasan Naim, Waseem Mustak Zisan, Hossain Md Shakhawat

机构 * Bangladesh University of Engineering and Technology (BUET)（孟加拉国工程技术大学） ； Osaka Metropolitan University（大阪都市大学） ； Chittagong University of Engineering and Technology (CUET)（吉大港工程技术大学） ； Kochi University of Technology（高知工科大学） 纠错

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

AI总结 研究医学成像模型引入未见模态的问题，提出冻结源模态低秩卷积基并训练其向上投影的方法，该方法可转移，能以极少参数引入未见模态，保持源模态准确率不变，还能检测何时需引入。

Fourth-Order Cyclostationary Analysis of Power-Based Nonlinear Gardner Timing Error Detectors in Coherent Optical Systems

相干光系统中基于功率的非线性加德纳定时误差检测器的四阶循环平稳分析

Zhongxing Tian, Zeyu Feng, Huan Huang, Dongdong Zou, Gangxiang Shen, Yi Cai

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

AI总结 研究相干光系统中基于功率的非线性加德纳定时误差检测器，开发四阶循环平稳分析框架，以平方加德纳TED为例，通过矩-累积量分解解释CT分量特性，表征多种因素影响，经模拟验证，为相关检测器提供统一统计基础。

Learning Sparse Latent Predictive Foundation Model for Multimodal Neuroimaging

学习用于多模态神经影像的稀疏潜在预测基础模型

Haoxu Huang, Long Chen, Jingyun Chen, Jinu Hyun, James Ryan Loftus, Kara Melmed, Daniel Orringer, Jennifer Frontera, Seena Dehkharghani, Arjun Masurkar, Narges Razavian

机构 * New York University, Center for Data Science（纽约大学数据科学中心） ； NYU Grossman School of Medicine, Department of Radiology（纽约大学格罗斯曼医学院放射学系） ； State University of New York at Binghamton, School of Computing（纽约州立大学宾汉姆顿分校计算机学院） ； NYU Grossman School of Medicine, Department of Neurology（纽约大学格罗斯曼医学院神经病学系） ； NYU Grossman School of Medicine, Department of Neurosurgery（纽约大学格罗斯曼医学院神经外科学系） ； NYU Grossman School of Medicine, Department of Pathology（纽约大学格罗斯曼医学院病理学系） ； School of Medicine, Department of Radiology, Stanford（斯坦福大学医学院放射学系） ； NYU Grossman School of Medicine, Department of Neuroscience（纽约大学格罗斯曼医学院神经科学系） ； NYU Grossman School of Medicine, Neuroscience Institute（纽约大学格罗斯曼医学院神经科学研究所） 纠错

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

AI总结 提出Neuro-JEPA模型，结合潜在预测目标和专家混合架构，学习T1w、T2w和FLAIR三种MRI序列的统一表示，在25项临床任务和22项公开数据集任务上优于现有基础模型和CNN基线。

Comments Under Review Preprint

SLT: Robust Quantum Neural Networks for Noisy-Label Medical Image Classification via Supermartingale-based Label Transition

SLT：通过基于上鞅的标签转换实现用于噪声标签医学图像分类的鲁棒量子神经网络

Jun Zhuang, Mohammad Al Hasan, Yiyu Shi, Chaowen Guan

机构 * Boise State University（博伊西州立大学） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校） ； University of Notre Dame（圣母大学） ； University of Cincinnati（辛辛那提大学） 纠错

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

AI总结 针对小规模医学图像分类中噪声标签学习难题，提出基于上鞅的标签转换（SLT）框架用于鲁棒量子神经网络分类，通过建模熵减少为上鞅识别稳定转换步骤，实验证明其能提升分类性能并优于经典基线。

Comments Preprint, under review

Continuous 3-D Latent Diffusion for Medical Generation and Reconstruction

用于医学生成与重建的连续3D潜扩散

Youness Mellak, Antoine De Paepe, Dimitris Visvikis, Alexandre Bousse

专题命中 医学影像 ：MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)

AI总结 研究针对高分辨率三维医学扩散模型成本问题，提出连续3D潜扩散模型框架，核心是含特定解码器的紧凑自动编码器，经实验评估，该框架在计算效率、内存使用和重建效果间达平衡，能支持多种医学影像任务。

Comments 14 pages, 7 figures, 3 tables

Memory-Supported Synergistic Adaptation for Training-Free Test-Time Medical Image Segmentation

用于无训练测试时医学图像分割的内存支持协同适应

Lingrui Li, Nan Pu, Dong Zhao, Wenjing Li, Andrew P French, Zhun Zhong, Xin Chen

机构 * School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Information Systems Technology and Design Pillar, Singapore University of Technology and Design（新加坡科技设计大学信息系统技术与设计支柱） 纠错

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

AI总结 研究针对医学图像分割中测试时适应的挑战，提出内存支持协同适应（MSSA）框架，不更新模型参数，通过构建在线内存、文本引导语义先验及跨图像结构对齐实现稳健适应，实验证明其优于现有方法。

Comments 18 pages, ECCV 2026

Understanding From Human Perspective: A Multi-agent System for Interactive Egocentric Medical Image Segmentation

从人类视角理解：用于交互式自我中心医学图像分割的多智能体系统

Rongjun Ge, Dongyang Wang, Heng Zhu, Zhirui Li, Yang Chen, Yuting He

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Sichuan University-Pittsburgh Institute, Sichuan University（四川大学匹兹堡学院） ； Department of Biomedical Engineering, Case Western Reserve University（凯斯西储大学生物医学工程系） 纠错

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

AI总结 研究交互式自我中心医学图像分割面临的挑战，提出EgoMed-Agent多智能体系统，通过目标确认和定位引导传播工作流程从人类视角理解目标，实验显示该系统平均Dice远超基线，效果显著。

MIS-HCC: Hierarchical Channel Clustering for Efficient Medical Image Segmentation

MIS-HCC：用于高效医学图像分割的分层通道聚类

Bo Zhao, Haoran Yu, Lifei Liu, Zongcheng Chu, Yining Liu, Chang Liu, Szu-Yu Chen, Zequn Xie

机构 * Yale University（耶鲁大学） ； University of Florida（佛罗里达大学） ； Wichita State University（威奇托州立大学） ； Purdue University（普渡大学） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Zhejiang University（浙江大学） 纠错

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

AI总结 针对医学图像分割模型在资源受限平台部署的挑战，提出分层聚类压缩方法MIS-HCC，利用瓦瑟斯坦距离表示通道相似性形成矩阵指导聚类，融合通道生成压缩网络，实验证明其在精度和压缩效率上优于现有方法。

OFD-Net: Teacher-Free Reliable Semi-supervised Medical Image Segmentation with Orthogonal Feature Disentanglement Net of Foreground-Background

OFD-Net：基于前景-背景正交特征解缠网络的无教师可靠半监督医学图像分割

Shao-feng Jiang, Zhe-yang Jing, Qin Lu, Huan-huan Shi, Zhen Chen, Cong-xuan zhang, Chen Yi

机构 * Key Laboratory of Nondestructive Testing, Ministry of Education, Nanchang Hangkong University（南昌航空大学无损检测技术教育部重点实验室） 纠错

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

AI总结 研究针对医学图像分割标注有限问题，提出无教师单网络框架OFD-Net。通过正交特征解缠模块和引导模块，有效减少误差积累。并开发可靠性感知伪标签学习机制，降低不可靠区域权重。实验验证其有效性，建立了高效可靠的训练范式。

Localization-Infused Vision-Language Semantic Fusion for Text-Guided Medical Image Segmentation

用于文本引导医学图像分割的定位注入视觉语言语义融合

Songyue Han, Mingye Zou, Shuchang Ye, Lei Bi, Mingyuan Meng

机构 * Air Force Engineering University（空军工程大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Sydney（悉尼大学） ； Institute of Translational Medicine, Shanghai Jiao Tong University（上海交通大学转化医学研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

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

AI总结 研究针对文本引导医学图像分割，提出LoG框架，通过联合执行多尺度目标定位任务，实现三级定位注入语义融合，在三个基准数据集实验中表现出色，优于现有医学图像分割方法。

Not someone, but something: Rethinking trust in the age of medical AI

不是人，而是东西：在医疗AI时代重新思考信任

Jan Beger

专题命中 医学影像 ：medical AI(title)；radiology(abstract,journal_ref)

AI总结 本文探讨医疗AI时代信任的重新定义，强调通过透明设计和责任部署建立信任，而非依赖同理心或直觉。

Journal ref European Journal of Radiology Artificial Intelligence 3 (2025) 100038

Dual-attention ResNet outperforms transformers in HER2 prediction on DCE-MRI

双注意力ResNet在DCE-MRI上的HER2预测中优于Transformer

Naomi Fridman, Anat Goldstein

机构 * Department of Industrial Engineering, Ariel University（工业工程系，阿维尼昂大学） 纠错

专题命中 医学影像 ：MRI(title,abstract)；分类 q-bio

AI总结 双注意力ResNet在DCE-MRI上实现HER2预测的高准确率和AUC，优于Transformer架构，展示了跨机构的泛化能力。

Journal ref Bioengineering 13, 788 (2026)

Automated Cardiac Adipose Tissue Segmentation in Computed Tomography: A Literature Review

计算机断层扫描中自动心脏脂肪组织分割的文献综述

Andreas W. Aspe, Jonas Jalili Pedersen, Andreas Ohrt Johansen, Klaus Fuglsang Kofoed, Kristine Aavild Sørensen, Rasmus Reinhold Paulsen, Josefine Vilsbøll Sundgaard

机构 * DTU Compute, Technical University of Denmark（丹麦技术大学DTU计算中心） ； Heart Centre, Rigshospitalet（哥本哈根大学医院心脏中心） ； Novo Nordisk A/S（诺和诺德公司） 纠错

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

AI总结 综述计算机断层扫描中自动分割心脏脂肪组织（EAT和PAT）的方法进展，涵盖多种方法，指出存在需更大带注释公共数据集等挑战，证明自动方法分割结果可媲美人工标注，有成为临床工具的潜力。

Comments This preprint has not undergone peer review (when applicable) or any post-submission improvements or corrections. The Version of Record of this contribution is published in Image Analysis - 23rd Scandinavian Conference, SCIA 2025, Proceedings (Lecture Notes in Computer Science, vol. 15726), and is available online at https://doi.org/10.1007/978-3-031-95918-9_17

Journal ref Lecture Notes in Computer Science, vol 15726, pp. 240-253, Springer, Cham, 2025

Stability and Robustness Analysis of Regularized Reconstruction Methods for Low-Dose Computed Tomography in Parallel-Beam Geometry

平行束几何中低剂量计算机断层扫描正则化重建方法的稳定性和鲁棒性分析

Mohamed Berrada

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

AI总结 研究低剂量计算机断层扫描正则化重建方法，基于Radon变换开发模拟管道，在多种噪声模型和采集几何下分析FBP、Tikhonov正则化和TV最小化的稳定性与鲁棒性，发现TV在多方面表现最佳，稳定性因子S能补充传统指标。

Comments 19 pages, 6 figures, 5 tables

BrainFIBRE: A Foundation Model via Information Decomposition for Brain Microstructure

BrainFIBRE：基于信息分解的脑微结构基础模型

Zijian Dong, Yi Lin, Fang Ji, Jianxiong Zhou, Kwun Kei Ng, Juan Helen Zhou

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出BrainFIBRE，首个脑微结构基础模型，通过自监督部分信息分解（SPID）和反事实候选构建（CCC）从NODDI图谱中解缠独特、协同和冗余信息，在多种预测任务上达到最优性能。

Comments ECCV 2026. Author name corrected in V2

Pediatric Bone Age Prediction Using Deep Learning

基于深度学习的小儿骨龄预测

Al Zadid Sultan Bin Habib, Md. Ekramul Islam, Md Asif Bin Syed, Md Younus Ahamed, Tanpia Tasnim

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

AI总结 研究利用深度学习，通过带加法注意力的 EfficientNet 及超过 12000 张 RSNA 数据集的 X 光图像，经预处理和卷积神经网络训练预测小儿骨龄，使用两个模型变体对比，结果显示该方法更准确有效，为小儿内分泌疾病诊断提供新方案。

Comments Published in 2023 26th International Conference on Computer and Information Technology (ICCIT), IEEE, December 2023

Judge-dependent safety gains and model-specific helpfulness costs of evidence-sufficiency prompting in clinical LLMs

临床大语言模型中证据充分性提示的依赖判断的安全增益和特定模型的有用性成本

Koyar Afrasyab

专题命中 临床大模型 ：clinical LLM(title)；diagnosis(abstract)

AI总结 研究临床大语言模型中证据充分性提示的安全增益及有用性成本，通过在公共数据基准中让四个模型用标准提示和包装器回答问题，发现安全增益有方向和幅度差异且依赖评判者，同时存在模型特定的有用性成本。

Comments https://github.com/KAVentures/clinical-evidence-sufficiency-llm

Investigation of Polycystic Ovary Syndrome (PCOS) Diagnosis Using Machine Learning Approaches

使用机器学习方法对多囊卵巢综合征（PCOS）的诊断研究

Al Zadid Sultan Bin Habib, Md Asif Bin Syed, Md. Ekramul Islam, Tanpia Tasnim

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

AI总结 研究利用机器学习方法结合独特特征选择算法预测多囊卵巢综合征，介绍结合特征工程和机器学习的数据驱动方法，经多种特征选择方法训练模型，结果显示经随机森林特征重要性和最高相关性选择十个特征的AdaBoost测试准确率最高。

Comments Published in 2023 5th International Conference on Sustainable Technologies for Industry 5.0 (STI), December 2023, Dhaka, Bangladesh

MamaBench: Benchmarking LLM Robustness in Maternal and Child Health Diagnosis through Counterfactual Clinical Perturbation

MamaBench：通过反事实临床扰动对母婴健康诊断中的大语言模型稳健性进行基准测试

Thanni Adewuyi, Anuoluwa Sotome, Samuel Okoko, Angel Ezendu, Oluwafunke Akinbuwa, Oluwaseun Odunsi, Oluwasegun Oguntuase, Ifeoma Nwabueze, Abiodun Adereni

机构 * Helpmum Africa（非洲帮助妈妈组织） ； University of Ibadan（伊巴丹大学） 纠错

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

AI总结 研究针对大语言模型在母婴健康诊断中缺乏对临床相似表现区分能力的问题，提出MamaBench基准及EA - RAG方法，通过实验揭示基础准确率高估稳健准确率现象，EA - RAG有效降低BTR，提升稳健准确率，为临床人工智能反事实稳健性研究提供参考。

Multi-modal cross-domain mixed fusion model with dual disentanglement for fault diagnosis under unseen working conditions

用于未知工况下故障诊断的具有双重解缠的多模态跨域混合融合模型

Pengcheng Xia, Yixiang Huang, Chengjin Qin, Chengliang Liu

机构 * State Key Laboratory of Mechanical System and Vibration（机械系统与振动国家重点实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 针对未知工况下故障诊断问题，提出具有双重解缠的多模态跨域混合融合模型，通过双重解缠框架、跨域混合融合策略和三模态融合机制，实现多模态表示学习与域泛化，实验验证该方法优于先进方法及各组件有效性。

Comments Accepted for publication in Mechanical Systems and Signal Processing

Journal ref Mechanical Systems and Signal Processing, Volume 258, 2026, 114693