Imperial College London（帝国理工学院）

HypEMBER: Hypernetwork-based Ensemble for Robust Policy Learning of Parametrized Dynamical Systems

HypEMBER：基于超网络的集成方法用于参数化动态系统的稳健策略学习

Nicolò Botteghi, Gabriele Pascali, Urban Fasel, Andrea Manzoni

机构 * MOX, Department of Mathematics Politecnico di Milano（米兰理工大学数学MOX系） ； Department of Aeronautics Imperial College London（伦敦帝国理工学院航空系） 纠错

AI总结 研究在测量和模型不确定下参数化动态系统的稳健控制，提出基于超网络与集成学习结合的HypEMBER框架，通过超网络表示策略和价值函数实现参数泛化，用逼近器集成量化不确定性，实验表明该框架能提升训练稳定性等，增强对不确定性的稳健性。

PRIME-SVR: Physics-infoRmed Implicit Multi-Echo Slice-to-Volume Reconstruction for Fetal T2 mapping

PRIME-SVR：用于胎儿T2映射的物理信息隐式多回波切片到体积重建

Busra Bulut, Maik Dannecker, Thomas Sanchez, Sara Neves Silva, Steven Jia, Jean-Baptiste Ledoux, Leo Pomar, Joanna Sichitiu, Yvan Gomez, Meriam Koob, Vincent Dunet, Maria Deprez, Guillaume Auzias, Francois Rousseau, Jana Hutter, Daniel Rueckert, Meritxell Bach Cuadra

机构 * Department of Radiology, Lausanne University Hospital and University of Lausanne（放射科，洛桑大学医院和洛桑大学） ； CIBM Center for Biomedical Imaging（生物医学成像中心） ； Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗和医学中的 chair，慕尼黑技术大学（TUM）和慕尼黑大学医院） ； Department of Computing, Imperial College London（计算系，伦敦帝国理工学院） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Biomedical Engineering Department, School of Biomedical Engineering and Imaging Sciences, King's College London（生物医学工程系，伦敦国王学院生物医学工程与成像科学学校） ； Institut de Neurosciences de la Timone, UMR 7289, CNRS, Aix-Marseille Université（Timone 神经科学研究所，UMR 7289，CNRS，阿维尼昂-马赛大学） ； Department Woman-Mother-Child, Lausanne University Hospital（妇女-母亲-儿童部门，洛桑大学医院） 纠错

AI总结 研究针对现有胎儿脑切片到体积重建方法在非临床回波时间受限问题，提出PRIME-SVR隐式神经表示框架，通过全连接网络建模、估计采集退化，利用正则化加强耦合，实现自监督重建，提升了重建质量并加速定量成像。