Imperial College London（帝国理工学院）

WSI-INR: Implicit Neural Representations for Lesion Segmentation in Whole-Slide Images

WSI-INR：基于隐式神经表示的全切片图像病变分割

Yunheng Wu, Wenqi Huang, Liangyi Wang, Masahiro Oda, Yuichiro Hayashi, Daniel Rueckert, Kensaku Mori

机构 * Graduate School of Informatics, Nagoya University（名古屋大学信息科学研究生院） ； Technical University of Munich (TUM)（慕尼黑技术大学） ； TUM University Hospital（慕尼黑技术大学医院） ； School of Computation and Information Technology（计算与信息科技学院） ； Technical University of Munich（慕尼黑技术大学） ； Information Technology Center, Nagoya University（名古屋大学信息技术中心） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Research Center for Medical Bigdata（医学大数据研究中心） 纠错

AI总结 WSI-INR通过隐式神经表示实现全切片图像病变分割，提升跨分辨率的鲁棒性，优于现有方法。

Comments 11 page, 4 figures

ProSMA-UNet: Decoder Conditioning for Proximal-Sparse Skip Feature Selection

ProSMA-UNet：解码器条件下的近邻稀疏跳连特征选择

Chun-Wun Cheng, Yanqi Cheng, Peiyuan Jing, Guang Yang, Javier A. Montoya-Zegarra, Carola-Bibiane Schönlieb, Angelica I. Aviles-Rivero

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； School of Engineering, Zurich University of Applied Sciences, CH（工程学院，应用科学大学 Zurich） ； Bioengineering Department and ImperialX, Imperial College London, UK（生物工程系和ImperialX，伦敦帝国学院） ； Lucerne University Teaching and Research Hospital, CH（卢塞恩大学教学与研究医院） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤金数学科学中心，清华大学） 纠错

AI总结 ProSMA-UNet通过解码器条件稀疏跳连特征选择提升医学图像分割性能，尤其在3D任务中表现突出。

Query-Level Uncertainty in Large Language Models

查询级不确定性在大语言模型中

Lihu Chen, Gerard de Melo, Fabian M. Suchanek, Gaël Varoquaux

机构 * Imperial College London（伦敦帝国学院） ； Hasso Plattner Institute / University of Potsdam（霍普夫纳研究所/波茨坦大学） ； Telecom Paris, Institut Polytechnique de Paris（电信巴黎学院，巴黎理工学院） ； Soda, Inria Saclay（Soda，法国国家信息与自动化技术研究院萨克利实验室） 纠错

AI总结 本研究提出了一种无需训练的内部置信度方法，用于检测大语言模型的知识边界，通过查询级不确定性提高回答质量并降低计算成本。

Comments ICLR 2026

3D Wavelet-Based Structural Priors for Controlled Diffusion in Whole-Body Low-Dose PET Denoising

基于3D小波的结构先验用于控制扩散的全身体低剂量PET去噪

Peiyuan Jing, Yue Yang, Chun-Wun Cheng, Zhenxuan Zhang, Liutao Yang, Thiago V. Lima, Klaus Strobel, Antoine Leimgruber, Angelica Aviles-Rivero, Guang Yang, Javier A. Montoya-Zegarra

机构 * School of Engineering, Zurich University of Applied Sciences, CH ； Bioengineering Department ； Imperial-X, Imperial College London, UK ； DAMTP, University of Cambridge, UK ； Lucerne University Teaching ； Research Hospital, CH ； Lung Institute, Imperial College London, UK ； Cardiovascular Research Centre, Royal Brompton Hospital, UK ； School of Biomedical Engineering \& Imaging Sciences, King's College London, UK ； Yau Mathematical Sciences Center, Tsinghua University, CN 纠错

AI总结 WCC-Net通过引入3D小波结构先验，提升低剂量PET去噪效果，实现更稳定的解剖结构与噪声分离。

Comments 10 pages

Graph Neural Networks in EEG-based Emotion Recognition: A Survey

基于EEG的情感识别中的图神经网络：综述

Chenyu Liu, Yuqiu Deng, Yihao Wu, Ruizhi Yang, Zhongruo Wang, Liangwei Zhang, Siyun Chen, Tianyi Zhang, Yang Liu, Yi Ding, Liming Zhai, Ziyu Jia, Xinliang Zhou

机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Xi’an Jiaotong University, Xi’an, China（西安交通大学） ； Imperial College London, London, UK（伦敦帝国理工学院） ； Amazon, Seattle, WA, USA（亚马逊） ； Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学） ； Uber Technologies, Inc., USA（Uber Technologies, Inc.） ； School of Computer Science, Central China Normal University, Wuhan, China（中央财经大学计算机学院） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） 纠错

AI总结 本文综述了基于EEG的情感识别中图神经网络的应用，分析了现有方法的共性与差异，并探讨了未来研究方向。

Comments The 30th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2026)