Imperial College London（帝国理工学院）

Modular Robotic Catheters for Endovascular Aneurysm Repair

用于血管内动脉瘤修复的模块化机器人导管

Alex Ranne, Jinshi Zhao, Ali Anil Demircali, Songli Moey, Ayhan Aktas, Burak Temelkuran, Nassir Navab, Ferdinando Rodriguez y Baena

机构 * Hamlyn Centre for Robotic Surgery, Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系机器人手术哈姆林中心） ； Department of Metabolism, Digestion and Reproduction, Imperial College London（伦敦帝国理工学院代谢、消化与生殖系） ； Department of Mechanical Engineering, Bursa Uludag University（布尔萨乌鲁达大学机械工程系） ； Chair for Computer Aided Medical Procedures and Augmented Reality (CAMP), Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序与增强现实主席） 纠错

AI总结 针对血管内动脉瘤修复中导管操作难题，提出定制两段式可转向导管及模块化肌腱驱动平台，利用热纤维拉伸和激光微加工制造，经模拟和体外实验评估，有望缩短手术时间，助力解决复杂临床病例。

Comments 8 pages, 8 figures

From Training to Deployment: Post-Hoc Causal Feature Identification via Sensitivity Ratios

从训练到部署：通过灵敏度比率进行事后因果特征识别

Athanasios Vlontzos, Giorgos Papanastasiou, Bernhard Kainz, Sotirios Tsaftaris

机构 * Hologen AI（全息人工智能公司） ； Mathematics Research Centre Academy of Athens（雅典科学院数学研究中心） ； FAU Erlangen Nuremberg（埃尔朗根 - 纽伦堡大学） ； Imperial College London（伦敦帝国理工学院） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究已训练模型所依赖因果与虚假特征的问题，提出归一化灵敏度比率（NSR）方法，在结构化转移情况下可事后诊断。在特定线性结构因果模型下能精确识别，刻画了失败情况及有限样本率，实验验证了该方法在多方面的有效性。

Entangled by Design: Spurious Intra-Variable Signal Routing in Tabular In-Context Learners

设计中的纠缠：表格上下文学习器中的虚假变量内信号路由

Athanasios Vlontzos, Giorgos Papanastasiou, Bernhard Kainz, Sotirios Tsaftaris

机构 * Hologen AI（全息人工智能公司） ； Mathematics Research Centre Academy of Athens（雅典科学院数学研究中心） ； FAU Erlangen Nuremberg（埃尔朗根 - 纽伦堡大学） ； Imperial College London（伦敦帝国理工学院） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究表格上下文学习器中虚假变量内信号路由问题，证明岭回归上下文学习器下该路由不可避免，推导出相关特征。发现更大上下文会放大虚假路由，更具表现力模型更脆弱。引入两种轻量级缓解措施，有效减少虚假路由并提高因果敏感性。

Steering topology distributions for unified generative design of architected metamaterials

用于结构化超材料统一生成设计的引导拓扑分布

Haolin Li, Yuyang Miao, Menglei Li, Jinshuai Bai, Liyuan Wang, Xin Liu, Bo Gao, Jiantao Liu, Danilo Mandic, Zahra Sharif Khodaei, M. H. Aliabadi, Weiqiu Chen

机构 * Imperial College London（伦敦帝国理工学院） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Southwest Jiaotong University（西南交通大学） ； Ningbo University（宁波大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 研究结构化超材料设计问题，提出GenTO统一框架，通过训练扩散模型并引导拓扑分布，能为异构任务重用拓扑先验，保留结构多样性，获高性能方案，确立拓扑知识为超材料设计统一原则。