医学 AI

CrossSpine: Multi-scale Cross-sequence Attention with Anatomical Priors for Automated Pfirrmann Grading

CrossSpine：具有解剖学先验知识的多尺度跨序列注意力机制用于自动 Pfirrmann 分级

Hai Son Nguyen, Duong Ngoc Vu, Trong-Nghia Nguyen, Bien Tran Van, Van-Dem Pham, Trang Mai Xuan, Huan Vu, Thien Van Luong

机构 * Business AI Lab, College of Technology, National Economics University（商业人工智能实验室，技术学院，越南国民经济大学） ； A2I Lab, Phenikaa School of Computing, Phenikaa University（A2I实验室，培美卡计算机学院，培美卡大学） ； Medical Imaging & Radiological Technology Department, Faculty of Medical Technology, Phenikaa School of Medicine & Pharmacy, Phenikaa University（医学影像与放射技术系，医学技术学院，培美卡医学院与药学院，培美卡大学） ； Radiology & Functional Exploration Center, Phenikaa University Hospital（放射学与功能探索中心，培美卡大学医院） ； Deparment of Pediatrics, Hospital of University Medicine and Pharmacy, Vietnam National University, Hanoi（儿科系，河内越南国立大学医学与药学院医院） 纠错

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

AI总结 针对腰椎间盘退变自动分级问题，提出 CrossSpine 框架，通过跨序列注意力机制融合多尺度特征，引入精心策划的数据集及椎间盘感知分类技术，相比基线在多个指标上有显著提升。

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

Region-Grounded Vision-Language Learning for Detection-Guided Mammographic Lesion Classification

用于检测引导的乳腺钼靶病变分类的区域基础视觉语言学习

Zhengbo Zhou, Jiren Li, Dooman Arefan, Margarita Zuley, Shandong Wu

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

AI总结 针对乳腺钼靶病变分类，提出区域基础视觉语言学习方法，先通过区域-文本对比预训练对齐特征，引入多组件目标减轻偏差，再联合优化辅助病变检测头，实验表明该方法在多设置下性能优于相关方法。

FORCE-Interior: A Poisson Flow Generative Prior for Interior Tomography Reconstruction

FORCE-Interior：用于内部断层扫描重建的泊松流生成先验

Kang Chen, Wenjun Xia, Jianxu Wang, Mahmud Wasif Nafee, Ge Wang

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

AI总结 针对内部断层扫描中投影截断致逆问题不适定及现有方法泛化性不足等挑战，提出FORCE-Interior框架，结合全视野测量约束初始化与每步数据一致性，在不同截断ROI尺寸上提升重建质量并保持投影域一致性。

A Hybrid Framework for Blood Vessel Morphology Classification: Discrete Geometry-based Tortuosity Feature Measurement, Information Gain-based Feature Selection, and Random Forest Classification

一种用于血管形态分类的混合框架：基于离散几何的曲折度特征测量、基于信息增益的特征选择和随机森林分类

Yu Zhong, Jingzhi Guo, Luyao Li, Zehao Wang, Zhihui Yang, Yixin Lin, Weilun Fu, Yang Wang

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

AI总结 针对血管曲折度量化难题，提出融合离散几何特征测量、信息增益特征选择和随机森林分类的框架，用于颈内动脉形态分类。提取并筛选特征，经实验取得良好分类结果，还定义形态风险指数，为临床评估提供参考。

Lesion Segmentation in Moderate to Severe Traumatic Brain Injury: An nnU-Net Based Approach with Adaptive Normalization in the AIMS-TBI 2025 Challenge

中重度创伤性脑损伤中的病变分割：AIMS-TBI 2025 挑战赛中基于 nnU-Net 并采用自适应归一化的方法

Inhwa Son, Gaeun Lee, Sohyeon Sim, Kwang-Hyun Uhm

机构 * Gachon University（加昌大学） ； MEDAI 纠错

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

AI总结 针对中重度创伤性脑损伤病变分割难题，利用AIMS-TBI 2025挑战赛推动算法发展，提出基于nnU-Net并采用自适应归一化的方法，有效减少个体差异与伪影，在测试中取得良好成绩，证明该策略对解决病变分割复杂性有效。

Comments 2nd place, AIMS-TBI Challenge at MICCAI 2025

Progression as Latent Drift: Generative Forecasting of Slow-Evolving Pathologies

作为潜在漂移的进展：缓慢演变病理的生成预测

Yuxiang Feng, Juncheng Wang, Chao Xu, Wenlong Hou, Huihan Wang, Yijie Qian, Yang Liu, Baigui Sun, Yong Liu, Shujun Wan

机构 * Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（IROOTECH技术） ； Wolf 1069 b Lab, Sany Group（Wolf 1069 b实验室，三一集团） 纠错

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

AI总结 研究针对缓慢演变神经退行性疾病未来解剖结构预测难题，提出潜在漂移的渐进生成框架，在压缩语义表示中学习变化，结合有限标量量化抑制干扰波动，实验表明该方法在神经预测上优于基线。

Comments Accepted to ECCV 2026

HistoSeg++: Delving deeper with attention and multiscale feature fusion for biomarker segmentation

HistoSeg++: 基于注意力与多尺度特征融合的生物标志物分割深入探索

Saad Wazir, Rao Faizan, Daeyoung Kim

机构 * School of Computing, KAIST（韩国科学技术院计算机学院） ； Kyung Hee University (Global Campus)（庆熙大学（全球校区）） 纠错

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

AI总结 提出一种新型Nested-UNet架构，通过内外注意力单元和通道特征重校准增强多尺度信息捕获，结合边缘感知损失提升边界精度，在三个公开数据集上表现优于现有方法。

Comments Published in the Proceedings of ICBBE 2025. The Version of Record is available at https://doi.org/10.1145/3794209.3794211

Enhancing Prostate Cancer Segmentation for Multi-Domain Generalization using a novel Parallel-Route Coherent Mixup Regularization Training

使用新颖的并行路由连贯混合正则化训练增强前列腺癌分割的多域泛化能力

Josiah Simeth, Sudharsan Madhavan, Victoria Brennan, Sean McBride, James Janopaul-Naylor, Justin Haseltine, Daniel Gorovets, Himanshu Nagar, Neelam Tyagi, Harini Veeraraghavan

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

AI总结 提出并行路由连贯混合（PaRC-mix）训练方法，通过多网络层特征增强实现单源到多域泛化，在前列腺癌病灶分割中显著提升检测精度和泛化性能。

Comments 28 pages, 5 figures

TRCGL-Net: A Long-Tailed Multi-Label Chest X-Ray Classification Framework with Generative Data Augmentation and Label Co-Occurrence Modeling

TRCGL-Net：基于生成式数据增强和标签共现建模的长尾多标签胸部X光分类框架

Tong Shao, Hongshun Ling, Li Zhang, Jinjing Wu, Junke Wang, Yuan Gao, Fang Wang

机构 * School of Biomedical Engineering, South-Central Minzu University（中南民族大学生物医学工程学院） 纠错

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

AI总结 针对胸部X光多标签分类中的长尾分布问题，提出TRCGL-Net，利用可学习文本引导扩散模型生成尾部类样本、通道重加权和类别注意力机制增强特征，以及基于标签共现的图卷积网络建模类别关系，在PadChest数据集上尾部类mAP达0.4904。

ClinRAG-GRAPH: Clinical-prior Retrieval-Augmented Graph Model with Domain Adversarial Learning for Breast pCR Prediction

ClinRAG-GRAPH: 基于临床先验的检索增强图模型与领域对抗学习用于乳腺癌pCR预测

Yaofei Duan, Yuhao Huang, Tianyu Zhang, Yuan Gao, Luyi Han, Xin Wang, Xinyu Xie, Xinglong Liang, Chunyao Lu, Muzhen He, Patrick Pang, Yue Sun, Ning Mao, Tao Tan, Ritse Mann

机构 * Department of Medical Imaging, Radboud University Medical Center, Nijmegen, The Netherlands（拉德堡德大学医学中心医学影像科，奈梅亨，荷兰） ； The Netherlands Cancer Institute, Amsterdam, The Netherlands（荷兰癌症研究所，阿姆斯特丹，荷兰） ； Faculty of Applied Sciences, Macao Polytechnic University, Macau, China（澳门理工大学应用科学学院，澳门，中国） ； Boston Children’s Hospital, Harvard Medical School, Boston, USA（波士顿儿童医院，哈佛医学院，波士顿，美国） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences, Hong Kong, China（中国科学院香港创新研究院人工智能与机器人创新中心，香港，中国） ； Imaging Division, University Medical Center Utrecht, Utrecht, The Netherlands（乌得勒支大学医学中心影像部，乌得勒支，荷兰） ； Department of Radiology, Fuzhou University Affiliated Provincial Hospital, Fuzhou, China（福州大学附属省立医院放射科，福州，中国） ； Department of Radiology, Yantai Yuhuangding Hospital, Shandong, China（烟台毓璜顶医院放射科，山东，中国） 纠错

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

AI总结 提出ClinRAG-GRAPH框架，通过构建患者内临床先验图、双分支领域对抗学习和大语言模型驱动的子图检索增强模块，实现术前pCR预测，在内部和外部测试集上取得良好性能。

Comments 11 pages, 5 figures

Temporal Training Strategies for Left Atrium and Left Atrial Appendage Segmentation in Dynamic Contrast 4DCT

动态对比增强4DCT中左心房和左心耳分割的时间训练策略

David Montalvo-García, Lauren Severance, Elliot R. McVeigh, María J. Ledesma-Carbayo

机构 * Biomedical Image Technologies, ETSI Telecomunicación, Universidad Politécnica de Madrid（马德里理工大学电信工程学院生物医学图像技术） ； Centro de Investigación Biomédica en Red de Bioingeniería, Biomateriales y Nanomedicina (CIBER-BBN), Instituto de Salud Carlos III（卡洛斯三世健康研究所生物工程、生物材料与纳米医学网络生物医学研究中心） ； Department of Bioengineering, University of California San Diego（加州大学圣地亚哥分校生物工程系） ； Division of Cardiovascular Medicine, University of California San Diego（加州大学圣地亚哥分校心血管医学部） ； Department of Radiology, University of California San Diego（加州大学圣地亚哥分校放射学系） 纠错

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

AI总结 研究动态4DCT中左心房和左心耳分割的时间训练集设计，比较两帧、生理子集和全序列训练，发现全帧训练在早期低对比度阶段最优，生理子集在填充期后表现相当，前景归一化可改善低对比度性能但未完全消除差距。

Comments Accepted at CinC 2026

CoMNet: A MedNeXt-CorrDiff Framework for Multi-Site Brain Tumor Segmentation

CoMNeT: 一种用于体积脑肿瘤分割的MedNeXt-CorrDiff框架

Michael L. Evans, MD Fayaz Bin Hossen, MD Shibly Sadique, Walia Farzana, Khan M. Iftekharuddin

机构 * Old Dominion University（欧道明大学） 纠错

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

AI总结 提出CoMNeT框架，结合3D卷积分割模型MedNeXt与校正扩散后处理CorrDiff，通过集成学习提升胶质瘤分割精度，在UTSW-Glioma数据集上取得优于基线模型的Dice分数。

Comments 15 pages, 6 figures, 2 tables

Cross-Modality Structural Guidance in 3D Latent Diffusion for Robust FLAIR Super-Resolution

跨模态结构引导的3D潜在扩散用于鲁棒FLAIR超分辨率

Haoyu Lan, Jiazhen Zhang, John Onofrey, Bino Varghese, Nasim Sheikh-Bahaei, Arthur W. Toga, Jeiran Choupan

机构 * University of Southern California（南加州大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 提出MR-DiffuSR框架，利用HR T1w结构先验通过跨模态结构swin注意力引导厚层FLAIR超分辨率，采用混合尺度退化策略和DINOv3感知损失，在ADNI-4数据集上优于CNN和2D扩散方法，并在下游白质高信号分割中保持鲁棒性。

MorVess: Morphology-Aware Pulmonary Vessel Segmentation Network

MorVess: 形态感知的肺血管分割网络

Fuyou Mao, Yifei Chen, Beining Wu, Lixin Lin, Jinnan Dai, Zhiling Li, Yilei Chen, Yaqi Wang, Hao Zhang, Yan Tang, Huiyu Zhou, Feiwei Qin

机构 * Central South University（中南大学） ； Tsinghua University（清华大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； University of Leicester（莱斯特大学） 纠错

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

AI总结 提出MorVess框架，结合可微几何先验与大模型适应，通过联合预测血管掩膜、距离图和厚度图，提升肺血管分割的拓扑完整性和小血管恢复能力。

Rethinking the Adaptation of Vision Foundation Models for Efficient Cell Segmentation

重新思考视觉基础模型在高效细胞分割中的适应

Qing Xu, Xiangjian He, Wenting Duan, Jiebo Luo, Zhen Chen

机构 * School of Computer Science, University of Nottingham, UK（英国诺丁汉大学计算机科学学院） ； School of Computer Science, University of Nottingham Ningbo China, China（中国宁波诺丁汉大学计算机科学学院） ； School of Engineering and Physical Science, University of Lincoln, UK（英国林肯大学工程与物理科学学院） ； Department of Computer Science, University of Rochester, USA（美国罗切斯特大学计算机科学系） 纠错

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

AI总结 提出EffiCell-Seg框架，利用冻结的视觉基础模型中的全局显著性和局部形态先验，通过细胞结构提示编码器和协同掩码解码器实现高效细胞分割，仅需约5M可训练参数。

Comments Accepted by MICCAI 2026

3D Classification of Paramagnetic Rim Lesions in Multiple Sclerosis via Asymmetric QSM-FLAIR Modeling

多发性硬化症中顺磁性边缘病变的3D分类：基于非对称QSM-FLAIR建模

Veronica Pignedoli, Giacomo Boffa, Nicoletta Noceti, Matilde Inglese, Francesca Odone, Matteo Moro

机构 * MaLGa, DIBRIS, University of Genova（热那亚大学） ； DINOGMI, University of Genova（热那亚大学） ； IRCCS Azienda Ospedaliera Metropolitana（IRCCS大都会医院） 纠错

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

AI总结 提出一种3D多模态深度学习框架，利用非对称QSM-FLAIR建模对多发性硬化症中的顺磁性边缘病变进行自动分类，通过自监督预训练和对比正则化提升有限数据下的鲁棒性，在88名患者队列中验证了有效性。

Comments 10 pages, 3 figures, accepted at MICCAI 2026. Github link: https://github.com/veronicapignedoli/FRODO

Failure Modes of Deep Multi-Agent RL in Asynchronous Pricing: Reproducible Triggers, Trace Diagnostics, and a Partial Fix

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

Shree Murthy, Rohan Pandey

机构 * DigitalOcean, USA（DigitalOcean美国） 纠错

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。

Learning a Sampling-Free Variational DNN Plugin from Tiny Training Sets to Refine OOD Segmentation With Uncertainty Estimation

学习一种无采样的变分DNN插件，从微小训练集精炼OOD分割并估计不确定性

Jimut B. Pal, Suyash P. Awate

机构 * Centre for Machine Intelligence and Data Science (C-MInDS), Indian Institute of Technology (IIT) Bombay（印度理工学院孟买分校机器智能与数据科学中心） ； Computer Science and Engineering (CSE) Department, Indian Institute of Technology (IIT) Bombay（印度理工学院孟买分校计算机科学与工程系） 纠错

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

AI总结 提出VarDeepPCA，一种轻量级变分DNN框架，利用小分布内数据集学习有效解剖几何分布，无需目标域数据或预训练，通过重新解释softmax映射实现无采样推理，并提供不确定性估计，在4种临床应用中显著提升OOD分割的解剖合理性和准确性。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:017

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

Moose: Latent concept learning with reasoning-shortcut awareness in $\mathcal{EL}^{++}$

Moose：在$\boldsymbol{\textit{EL}^{++}}$中具备推理捷径感知的潜在概念学习

Olga Mashkova, Asaad Mohammedsaleh, Fernando Zhapa-Camacho, Robert Hoehndorf

机构 * King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） 纠错

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 Moose是在$\boldsymbol{\textit{EL}^{++}}$中编译本体为SDD的方法，可实现部分监督下的潜在概念学习，在相关基准上优于多种基线，还完成了OWL EL设置下的首次推理捷径分析。

Comments Accepted at ISWC 2026, Research Track

Online balancing of vectors with small coordinates

带小坐标向量的在线平衡

Antonios Hmadi

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 该研究针对带小坐标的向量序列，提出随机在线符号函数方法，证明其前缀偏差概率界，给出非均匀版本与下界，扩展至一般对称目标体，解决在线向量平衡问题。

Uncertainty-Aware and Explainable Ensemble Deep Learning Framework for Multi-Class Skin Lesion Classification

用于多类皮肤病变分类的不确定性感知且可解释的集成深度学习框架

Rofiqul Islam, Lilatul Ferdouse

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

Comments 5 pages, 3 figures, IEEE AIBThings 2026

Computing extended persistent homology of radial distance filtrations of Euclidean shapes

计算欧几里得形状的径向距离滤过的扩展持续同调

Yuchen Jency Jiang, Vanessa Robins, Katharine Turner

专题命中 医学影像 ：medical image(abstract)；biomedical(abstract)

AI总结 该研究针对欧几里得形状的径向距离滤过，建立了从带边界流形边界的径向持续同调恢复其径向扩展持续同调的方法，还给出了二维像素集的相关计算算法，有望应用于生物医学图像分析领域。

Reducing Spectral Oscillations for Robust Reference Frequency-Based Ultrasound Attenuation Estimation in Harmonic Imaging

减少谐波成像中基于参考频率的超声衰减估计的谱振荡以提升鲁棒性

U-Wai Lok, Jingke Zhang, Chengwu Huang, Tao Wu, Jieyang Jin, Ryan M. DeRuiter, Jingyi Yin, Lijie Huang, Yanzhe Zhao, Kaipeng Ji, Kate M. Knoll, Dawn Boynton, Kymberly D. Watt, Kathryn A. Robinson, Joshua D. Trzasko, Matthew Callstrom, Shigao Chen

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 该研究针对参考频率法（RFM）超声衰减估计中频率功率比衰减曲线的振荡问题，提出多频率多扫描角度的发射方案，通过平均曲线提升线性度与准确性，在体模和患者研究中均优于传统方法，临床潜力更佳。

Tensor-normal maximum likelihood estimation at the operator-norm sample threshold

算子范数样本阈值下的张量正态极大似然估计

Hengzhi He, Guang Cheng

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文针对协方差为克罗内克积的高斯张量，将张量正态极大似然估计的样本阈值中$d_{\rm max}$的三次依赖改进为二次依赖，达到信息论最优，解决了前期工作提出的开放问题。

Comments Work in Progress

SABRE Hyperpolarization of Unmodified Amino Acids in Partially Aqueous Media: L-[1-13C]-Valine as a Model System

部分水相介质中未修饰氨基酸的SABRE超极化：以L-[1-13C]-缬氨酸为模型体系

Oksana A. Bondar, Thomas B. R. Robertson

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本研究以L-[1-13C]-缬氨酸为模型，利用SABRE技术实现部分水相介质中未修饰氨基酸的13C超极化，在1.1 T台式NMR上获超60倍信号增强，为其应用于甘氨酸提供初步证据。

Structured Phonological Representations for Audio-Articulatory rtMRI Speech Classification

用于音频-发音rtMRI语音分类的结构化音系表征

Abner Hernandez, Tomás Arias Vergara, Daiqi Liu, Andreas Maier, Paula Andrea Pérez-Toro

专题命中 医学影像 ：MRI(abstract,abstract_cn)

AI总结 本研究提出将音频模型PhonoQ的结构化音系表征用于音频-发音rtMRI语音分类，可提升音系目标宏F1值与细粒度39音素分类性能，验证了音系信息的迁移价值。

Comments Submitted for review at SLT 2026

Robust Fault Detection and Classification in Power Systems via Physics-Informed and Data-Driven Learning

基于物理信息与数据驱动学习的电力系统鲁棒故障检测与分类

Biswash Basnet, Varsha Sen

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出结合物理信息与数据驱动学习的智能框架，基于SMOTE平衡数据集训练PINN等模型，实现电力系统故障的鲁棒检测与分类，在噪声及训练数据占比波动下仍保持高准确率，可用于电网实时保护与广域监测控制。

Comments 19 pages, published journal article

Journal ref Journal of Electrical Engineering and Automation 7(3), 241-259 (2025)

An Angular Spectrum Method for Nonlinear Propagation in Heterogeneous Tissue with Immersed Sources for Ultrasound

用于含浸没源的异质组织非线性传播的角谱法（适用于超声应用）

Gianmarco Pinton

专题命中 医学影像 ：CT(abstract,abstract_cn)

AI总结 本文提出改进的角谱法（ASM），用于异质组织中超声非线性传播模拟，经颅超声与治疗超声场景，通过倾斜角校正、特殊离散化方案、源注入与边界处理优化，在精度相当的情况下较Fullwave 2显著降低内存与时间成本。