医学 AI

Leakage-Robust Evaluation and Data-Scale Sensitivity of Attention-Enhanced Multi-Task Learning for Joint Fault Diagnosis and Remaining Useful Life Estimation

用于联合故障诊断和剩余使用寿命估计的注意力增强多任务学习的泄漏鲁棒评估和数据规模敏感性

Md Mahamudur Rahaman Shamim, Md. Nuruzzaman, Zannatul Ferdus, Md Rajib Ahmed, Abieer Nwshad Anward, Mohammad Tooneer, Johir Uddin Khan, Khalid Hossen

机构 * Western Illinois University（西伊利诺伊大学） ； Ahsanullah University of Science and Technology（阿山努拉科技大学） ； Trine University（特莱恩大学） ； Sapienza University of Rome（罗马第一大学） ； Bangladesh University of Engineering and Technology（孟加拉工程技术大学） ； Chittagong University of Engineering and Technology（吉大港工程技术大学） ； Rajshahi University of Engineering & Technology (RUET)（拉杰沙希工程技术大学） 纠错

专题命中 医学数据与评测 ：diagnosis(title)；分类 cs.LG

AI总结 研究联合故障诊断和剩余使用寿命估计的多任务深度学习模型中，滑动窗口序列划分对性能的影响。采用AMTLNet架构，引入基于块的泄漏审核划分协议，通过实验得出任务稳定性与标签来源有关，贡献了评估协议和相关证据。

Comments Submitted in Next Research (Elsevier)

FedDP-PALD: A Privacy-Preserving Federated Latent Diffusion Framework with Prototype Aggregation for Medical Data Synthesis

FedDP-PALD：一种用于医学数据合成的具有原型聚合的隐私保护联邦潜在扩散框架

Md. Sajeebul Islam Sk., Khan Enaet Hossain, Md. Mehedi Hasan Shawon

机构 * BRAC University（BRAC大学） ； York University（约克大学） ； University of Maryland（马里兰大学） 纠错

专题命中 医学数据与评测 ：medical image(abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 针对医学数据合成中隐私保护及合成数据预测结构问题，提出FedDP-PALD框架，通过带掩码的门控多头注意力联合处理多模态数据，引入DP-PMA维持差分隐私，实验表明该框架能生成隐私合成表示，保持决策性能并抵抗成员推理。

PriPHiT: Privacy-Preserving Hierarchical Training of Deep Neural Networks

PriPHiT: 保护隐私的深度神经网络分层训练

Yamin Sepehri, Pedram Pad, Pascal Frossard, L. Andrea Dunbar

机构 * Signal Processing Laboratory (LTS4), École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑校区信号处理实验室） ； Centre Suisse d’Electronique et de Microtechnique (CSEM)（瑞士电子与微技术中心） 纠错

专题命中 医学数据与评测 ：medical image(abstract)；分类 cs.CV、cs.LG、eess.IV

AI总结 PriPHiT通过在边缘设备和云服务器上分层训练深度神经网络，利用对抗性早期退出和噪声添加技术，在保护隐私的同时提升模型性能。

Comments 21 pages, 19 figures, 11 tables

Journal ref Published in IEEE Transactions on Multimedia, vol. 27, pp. 8803-8818, 2025

Causal Software Engineering: A Vision and Roadmap

因果软件工程：愿景与路线图

Roberto Pietrantuono, Luca Giamattei, Stefano Russo, Julien Siebert, Neil Walkinshaw

机构 * University of Naples Federico II（那不勒斯费德里科二世大学） ； University of Sheffield（谢菲尔德大学） 纠错

专题命中 医学数据与评测 ：diagnosis(abstract)

AI总结 研究软件工程在不确定性下决策的关键问题，提出因果软件工程范式，通过因果模型和推理为软件生命周期活动提供信息，还给出工作流程视图、路线图及评估议程。

Comments Accepted at FSE 2026 - Ideas, Visions and Reflections (IVR) Track

Cross-Platform Evaluation of Large Language Model Safety in Pediatric Consultations: Evolution of Adversarial Robustness and the Scale Paradox

跨平台评估大语言模型在儿科咨询中的安全性：对抗鲁棒性的演变与规模悖论

Vahideh Zolfaghari

专题命中 医学数据与评测 ：medical AI(abstract)

AI总结 本研究评估了不同模型和平台在家长焦虑驱动下的LLM安全性，发现较小模型在对抗性压力下表现更优，且安全性与模型架构相关，而非规模。

Journal ref npj Digit. Med. (2026)