Cornell University（康奈尔大学）

Single-Subject Multi-View MRI Super-Resolution via Implicit Neural Representations

单受试多视角MRI超分辨率通过隐式神经表示

Heejong Kim, Abhishek Thanki, Roel van Herten, Daniel Margolis, Mert R Sabuncu

机构 * Department of Radiology, Weill Cornell Medicine, New York, USA（韦尔·科恩医学系放射科，纽约，美国） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； Cornell Tech, New York, USA（康奈尔科技，纽约，美国） ； Weill Cornell Graduate School of Medical Sciences, New York, USA（韦尔·科恩医学科学研究生院，纽约，美国） 纠错

AI总结 本文提出SIMS-MRI框架，通过隐式神经表示和多分辨率哈希编码实现单患者多视角MRI的等效超分辨率，无需预处理。

mmFHE: mmWave Sensing with End-to-End Fully Homomorphic Encryption

mmFHE: 基于端到端全同态加密的毫米波传感

Tanvir Ahmed, Yixuan Gao, Adnan Armouti, Rajalakshmi Nandakumar

机构 * Cornell Tech（康奈尔技术学院） 纠错

AI总结 mmFHE通过全同态加密实现端到端毫米波雷达传感，利用轻量级边缘设备加密原始距离剖面，并在不可信云平台执行信号处理和机器学习推理。其核心是七个可组合的数据无关同态加密内核，提供输入隐私和数据无关性保障，实验证明在公开数据集上具有高精度和低延迟。

Comments Under review