EPFL（洛桑联邦理工学院）

Real-Time Surrogate Modeling for Personalized Blood Flow Prediction and Hemodynamic Analysis

实时代理建模用于个性化血流预测和血流动力学分析

Sokratis J. Anagnostopoulos, George Rovas, Vasiliki Bikia, Theodore G. Papaioannou, Athanase D. Protogerou, Nikolaos Stergiopulos

机构 * Laboratory of Hemodynamics and Cardiovascular Technology, EPFL（EPFL血液动力学与心血管技术实验室） ； Stanford DBDS and HAI, Stanford University（斯坦福大学DBDS与HAI） ； Medical School, National and Kapodistrian University of Athens（雅典大学医学院） 纠错

AI总结 本文提出一种训练机器学习模型的系统框架，用于实时预测个性化血流动力学参数，减少合成数据集生成成本，并通过评估模型性能确定逆问题求解所需信息。

Generalized Small Object Detection:A Point-Prompted Paradigm and Benchmark

通用小目标检测：点提示范式与基准

Haoran Zhu, Wen Yang, Guangyou Yang, Chang Xu, Ruixiang Zhang, Fang Xu, Haijian Zhang, Gui-Song Xia

机构 * School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； Environmental Computational Science and Earth Observation Laboratory, EPFL（EPFL环境计算科学与地球观测实验室） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） 纠错

AI总结 本文提出点提示小目标检测范式，通过引入TinySet-9M数据集和DEAL框架，解决小目标检测中数据不足和语义表示弱的问题，实现显著的性能提升。