Imperial College London（帝国理工学院）

From Prompt to Protocol: Fast Charging Batteries with Large Language Models

从提示到协议：利用大语言模型实现快速充电电池

Ge Lei, Ferran Brosa Planella, Sterling G. Baird, Samuel J. Cooper

机构 * Dyson School of Design Engineering, Imperial College London（帝国理工学院伦敦设计工程学院） ； University of Warwick（沃里克大学） ； Acceleration Consortium, University of Toronto（多伦多大学加速联盟） 纠错

AI总结 利用大语言模型设计快速充电电池协议，通过Prompt-to-Optimizer和Prompt-to-Protocol方法提升充电效率和电池健康状态

Affect and Effect: Limitations of regularisation-based continual learning in EEG-based emotion classification

情感与影响：基于EEG情感分类的正则化连续学习的局限性

Nina Peire, Yupei Li, Björn Schuller

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

AI总结 本研究发现基于正则化的连续学习方法在EEG情感分类中存在局限性，主要由于稳定性与可塑性之间的权衡问题。

Comments 20 pages, 16 figures, not including Appendix. Code can be found at: https://github.com/glam-imperial/AffectEffect

An AI-driven framework for the prediction of personalised health response to air pollution

面向空气污染的个性化健康响应预测的AI驱动框架

Nazanin Zounemat-Kermani, Sadjad Naderi, Claire H. Dilliway, Claire E. Heaney, Shrreya Behll, Boyang Chen, Hisham Abubakar-Waziri, Alexandra E. Porter, Marc Chadeau-Hyam, Fangxin Fang, Ian M. Adcock, Kian Fan Chung, Christopher C. Pain

机构 * organization= Data Science Institute, Imperial College London , country= UK ； organization= Department of Earth Science \& Engineering, Imperial College London , country= UK ； organization= Centre for AI-Physics Modelling, Imperial-X, Imperial College London , country= UK ； organization= National Heart \& Lung Institute, Imperial College London , country= UK ； organization= Department of Materials, Imperial College London , country= UK ； organization= MRC/PHE Centre for Environment ； Health, School of Public Health, Imperial College London , country= UK 纠错

AI总结 本文提出一个基于AI的框架，通过整合可穿戴设备数据和实时环境数据，预测个人对空气污染的健康响应，展示了个性化环境健康监测的可行性。

Comments Zounemat-Kermani and Naderi share first authorship. 22 pages, 5 figures and 1 table

Towards Automating Blockchain Consensus Verification with IsabeLLM

面向区块链共识验证的自动化工具IsabeLLM

Elliot Jones, William Knottenbelt

机构 * Department of Computing, Imperial College London, United Kingdom（计算机系，伦敦帝国理工学院，英国） 纠错

AI总结 IsabeLLM通过整合Isabelle证明助手和大语言模型，自动化区块链共识协议的验证过程，成功验证了比特币工作量证明协议的正确性。

Radiant Foam Rendering on a Graph Processor

图处理器上的辐射泡沫渲染

Zulkhuu Tuya, Ignacio Alzugaray, Nicholas Fry, Andrew J. Davison

机构 * Imperial College London（帝国理工学院伦敦分校） 纠错

AI总结 在Graphcore Mk2 IPU上实现辐射泡沫体渲染的高效分布式渲染器，通过分层路由和本地SRAM实现高吞吐量和高质量渲染。

Comments 24 pages, 26 figures

Data-assimilated model-informed reinforcement learning

数据同化模型引导强化学习

Defne E. Ozan, Andrea Nóvoa, Georgios Rigas, Luca Magri

机构 * Department of Aeronautics, Imperial College London（航空系，帝国理工学院伦敦分校） 纠错

AI总结 本文提出数据同化模型引导强化学习方法，通过结合低阶模型、数据同化和非策略RL算法，实现对部分可观测混沌系统的实时控制与抑制。

Journal ref D. E. Ozan, A. Nóvoa, G. Rigas, L. Magri; Data-assimilated model-informed reinforcement learning. Proc. A 1 December 2025; 481 (2327): 20250476

GP-GS: Gaussian Processes Densification for 3D Gaussian Splatting

GP-GS：基于高斯过程的3D高斯点云密集化

Zhihao Guo, Jingxuan Su, Chenghao Qian, Shenglin Wang, Jinlong Fan, Jing Zhang, Wei Zhou, Hadi Amirpour, Yunlong Zhao, Liangxiu Han, Peng Wang

机构 * Manchester Metropolitan University（曼彻斯特 Metropolitan 大学） ； SECE, Peking University（SECE，北京大学） ； University of Leeds（利兹大学） ； Pengcheng Laboratory（鹏城实验室） ； Hangzhou Dianzi University（杭州电子科技大学） ； Wuhan University（武汉大学） ； Cardiff University（卡迪夫大学） ； University of Klagenfurt（克雷夫大学） ； Imperial College London（伦敦帝国学院） 纠错

AI总结 GP-GS通过高斯过程实现3D高斯点云的密集化优化，提升重建质量和渲染保真度，达到1.12 dB PSNR的改进。

Comments 11 pages, 8 figures

Efficient Submap-based Autonomous MAV Exploration using Visual-Inertial SLAM Configurable for LiDARs or Depth Cameras

基于子地图的高效自主MAV探索：融合视觉惯性SLAM并可配置为LiDAR或深度相机

Sotiris Papatheodorou, Simon Boche, Sebastián Barbas Laina, Stefan Leutenegger

机构 * Technical University of Munich（慕尼黑技术大学） ； School of Computation, Information and Technology（计算、信息与技术学院） ； Imperial College London（伦敦帝国学院） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

AI总结 本文提出了一种基于子地图的MAV自主探索框架，通过融合视觉惯性SLAM并支持LiDAR或深度相机，实现高效探索与地图重建。

Comments In proceedings of the IEEE International Conference on Robotics and Automation, 2025. 7 pages, 8 figures, for the accompanying video see https://youtu.be/Uf5fwmYcuq4

Scalable Outdoors Autonomous Drone Flight with Visual-Inertial SLAM and Dense Submaps Built without LiDAR

可扩展的户外自主无人机飞行：基于视觉-惯性SLAM和无LiDAR的密集子地图构建

Sebastián Barbas Laina, Simon Boche, Sotiris Papatheodorou, Dimos Tzoumanikas, Simon Schaefer, Hanzhi Chen, Stefan Leutenegger

机构 * Technical University of Munich（技术大学慕尼黑） ； School of Computation, Information and Technology（计算、信息与技术学院） ； Mobile Robotics Lab（移动机器人实验室） ； Department of Computing（计算学院） ； Imperial College London（伦敦帝国学院） ； Department of Mechanical and Process Engineering（机械与过程工程学院） ； ETH Zurich（苏黎世联邦理工学院） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

AI总结 本文提出了一种基于视觉-惯性SLAM和无LiDAR的自主无人机系统，实现户外复杂环境下的大规模自主导航和路径规划。

Comments 8 pages, 8 figures

Control-Barrier-Aided Teleoperation with Visual-Inertial SLAM for Safe MAV Navigation in Complex Environments

基于控制屏障的遥控操作与视觉-惯性SLAM的MAV安全导航

Siqi Zhou, Sotiris Papatheodorou, Stefan Leutenegger, Angela P. Schoellig

机构 * Learning Systems and Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（学习系统与机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, School of Computation, Information and Technology, Technical University of Munich（智能机器人实验室，计算、信息与技术学院，慕尼黑技术大学） ； Smart Robotics Lab, Department of Computing, Imperial College London（智能机器人实验室，计算系，伦敦帝国理工学院） ； Munich Institute of Robotics and Machine Intellig（慕尼黑机器人与机器智能研究所） 纠错

AI总结 本文提出了一种结合控制屏障函数与视觉-惯性SLAM的MAV安全导航系统，通过感知-动作闭环实现复杂环境中的安全遥控操作。

Comments Accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2024, 7 pages, 7 figures, supplementary video is available at https://youtu.be/rCxbWY4PIfQ?si=DC-9mg7g1WooNdaV

Approximating Persistent Homology for Large Datasets

对大规模数据集进行持久同调近似

Yueqi Cao, Anthea Monod

机构 * Department of Mathematics, KTH Royal Institute of Technology（皇家理工学院数学系） ； Department of Mathematics, Imperial College London（伦敦帝国理工学院数学系） 纠错

AI总结 本文提出了一种多重子采样方法，用于近似大规模数据集的持久同调，通过三种不同表示方式提升计算效率并验证其有效性。

Comments 42 pages, 11 figures

A Brain-like Synergistic Core in LLMs Drives Behaviour and Learning

类脑协同核心在大语言模型中驱动行为与学习

Pedro Urbina-Rodriguez, Zafeirios Fountas, Fernando E. Rosas, Jun Wang, Andrea I. Luppi, Haitham Bou-Ammar, Murray Shanahan, Pedro A. M. Mediano

机构 * Department of Computing Imperial College London（帝国理工学院计算机系） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； AI Centre Department of Computer Science University College London（伦敦大学学院人工智能中心） ； Department of Informatics University of Sussex（Sussex大学信息学院） ； Centre for Complexity Science and Center for Psychedelic Research Department of Brain Science Imperial College London（帝国理工学院复杂科学中心和迷幻研究中心） ； Department of Psychiatry and Centre for Eudaimonia and Human Flourishing University of Oxford（牛津大学精神病学系和幸福与人类繁荣中心） ； Division of Information Engineering and St John’s College University of Cambridge（剑桥大学信息工程系和圣约翰学院） ； Montreal Neurological Institute McGill University（麦吉尔大学蒙特利尔神经科学研究所） ； Division of Psychology and Language Sciences University College London（伦敦大学学院心理学与语言科学系） 纠错

AI总结 本研究发现大语言模型中自发形成的协同核心与人脑相似，通过学习产生，影响行为与学习性能。

NAS-GS: Noise-Aware Sonar Gaussian Splatting

NAS-GS: 噪声感知的声纳高斯点云技术

Shida Xu, Jingqi Jiang, Jonatan Scharff Willners, Sen Wang

机构 * I-X and Department of Electrical and Electronic Engineering, Imperial College London, UK（I-X 和 电气与电子工程系，帝国理工学院伦敦分校） ； Frontier Robotics, The National Robotarium, Edinburgh UK（前沿机器人技术，国家机器人中心，爱丁堡） 纠错

AI总结 NAS-GS通过双向点云技术和高斯混合噪声模型，提升声纳图像的3D重建和新视角合成性能。

Adaptive Conditional Contrast-Agnostic Deformable Image Registration with Uncertainty Estimation

自适应条件对比无关可变形图像配准与不确定性估计

Yinsong Wang, Xinzhe Luo, Siyi Du, Chen Qin

机构 * Department of Electrical and Electronic Engineering, Imperial College London（帝国理工学院伦敦校区电子与电气工程系） 纠错

AI总结 本文提出了一种自适应条件对比无关可变形图像配准框架，通过对比增强方案实现对任意成像对比的泛化，并通过方差网络提供不确定性估计，提升配准的准确性和可靠性。

Comments Accepted by ieee transactions on Medical Imaging

Reinforcement Learning of Large Language Models for Interpretable Credit Card Fraud Detection

基于大语言模型的强化学习在可解释性信用卡欺诈检测中的应用

Cooper Lin, Yanting Zhang, Maohao Ran, Wei Xue, Hongwei Fan, Yibo Xu, Zhenglin Wan, Sirui Han, Yike Guo, Jun Song

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； Imperial College London（伦敦帝国理工学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出利用强化学习后训练轻量级语言模型，以提高信用卡欺诈检测的可解释性和准确性。

Crisis-Bench: Benchmarking Strategic Ambiguity and Reputation Management in Large Language Models

Crisis-Bench: 大型语言模型中战略模糊与声誉管理的基准测试

Cooper Lin, Maohao Ran, Yanting Zhang, Zhenglin Wan, Hongwei Fan, Yibo Xu, Yike Guo, Wei Xue, Jun Song

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； National University of Singapore（新加坡国立大学） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 Crisis-Bench通过多智能体POMDP评估LLM在高风险企业危机中的战略模糊与声誉管理能力，揭示模型在信息隐瞒与道德约束间的平衡问题。

Nonholonomic Robot Parking by Feedback -- Part I: Modular Strict CLF Designs

非holonomic机器人泊车的反馈方法——第一部分：模块化严格CLF设计

Velimir Todorovski, Kwang Hak Kim, Alessandro Astolfi, Miroslav Krstic

机构 * Department of Mechanical and Aerospace Engineering, UC San Diego（加州大学圣地亚哥分校机械与航空航天工程系） ； Imperial College London（伦敦帝国学院） ； University of Rome Tor Vergata（罗马托维加塔大学） 纠错

AI总结 本文提出了一种模块化设计框架，通过解耦径向坐标实现非holonomic单轮车的渐近稳定，结合被动性、逆向设计和积分前馈开发反馈律，并提供严格CLFs以实现特征值分配和收敛估计。

Comments arXiv admin note: text overlap with arXiv:2509.25575

Exploring the limits of strong membership inference attacks on large language models

探索对大型语言模型的强大成员推断攻击的极限

Jamie Hayes, Ilia Shumailov, Christopher A. Choquette-Choo, Matthew Jagielski, George Kaissis, Milad Nasr, Sahra Ghalebikesabi, Meenatchi Sundaram Mutu Selva Annamalai, Niloofar Mireshghallah, Igor Shilov, Matthieu Meeus, Yves-Alexandre de Montjoye, Katherine Lee, Franziska Boenisch, Adam Dziedzic, A. Feder Cooper

机构 * Google DeepMind（谷歌DeepMind） ； University College London（伦敦大学学院） ； University of Washington（华盛顿大学） ； Imperial College London（伦敦帝国学院） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍兹中心） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） 纠错

AI总结 本研究通过扩展LiRA攻击至GPT-2模型，揭示了强成员推断攻击在大型语言模型上的有效性及局限性，发现其在实际应用中仍存在显著的AUC限制和决策不稳定问题。

Comments NeurIPS 2025

Using Legacy Polysomnography Data to Train a Radar System to Quantify Sleep in Older Adults and People living with Dementia

利用遗留多导睡眠图数据训练雷达系统以量化老年人和痴呆症患者的睡眠

M. Yin, K. G. Ravindran, C. Hadjipanayi, A. Bannon, A. Rapeaux, C. Della Monica, T. S. Lande, Derk-Jan Dijk, T. G. Constandinou

机构 * Department of Electrical and Electronic Engineering and UK Dementia Research Institute (Care Research & Technology Centre), Imperial College London（电气与电子工程系和英国痴呆症研究机构（护理与技术研究中心）、帝国理工学院伦敦分校） ； Department of Informatics, University of Oslo（信息系，奥斯陆大学） ； School of Biosciences, University of Surrey（生物科学学院，萨里大学） 纠错

AI总结 本研究提出利用遗留多导睡眠图数据训练雷达系统，以提高对老年人和痴呆症患者睡眠阶段的自动分期精度。

Plasticine: A Traceable Diffusion Model for Medical Image Translation

Plasticine: 一种用于医学图像翻译的可追溯扩散模型

Tianyang Zhang, Xinxing Cheng, Jun Cheng, Shaoming Zheng, He Zhao, Huazhu Fu, Alejandro F Frangi, Jiang Liu, Jinming Duan

机构 * Department of Computer Science, University of Birmingham（计算机科学系，伯明翰大学） ； Institute for Infocomm Research, A*STAR（信息与通信研究所，A*STAR） ； Imperial College London（伦敦帝国学院） ； Department of Eye and Vision Science, University of Liverpool（眼科与视觉科学系，利物浦大学） ； Institute of High Performance Computing, A*STAR（高性能计算研究所，A*STAR） ； Department of Computer Science, and the Division of Informatics, Imaging and Data Sciences, School of Health Sciences, The University of Manchester（计算机科学系，信息、成像与数据科学分会，健康科学学院，曼彻斯特大学） ； Southern University of Science and Technology（南方科技大学） ； University of Birmingham（伯明翰大学） ； University of Manchester（曼彻斯特大学） 纠错

AI总结 Plasticine是一种以可追溯性为核心目标的端到端医学图像翻译框架，通过结合强度翻译和空间变换，在去噪扩散框架中生成具有可解释性强度过渡和空间一致变形的合成图像。

Comments Accepted by IEEE Transactions on Artificial Intelligence

ReEfBench: Quantifying the Reasoning Efficiency of LLMs

ReEfBench: 量化大语言模型的推理效率

Zhizhang Fu, Yuancheng Gu, Chenkai Hu, Hanmeng Liu, Yue Zhang

机构 * Westlake University（西湖大学） ； Imperial College London（帝国理工学院） ； New York University（纽约大学） ； Hainan University（海南大学） 纠错

AI总结 ReEfBench通过神经符号框架量化LLM推理效率，揭示推理性能提升源于真实推理而非冗长性，并指出训练中混合长短CoT数据的风险及蒸馏模型的局限性。

Automated Feedback Generation for Undergraduate Mathematics: Development and Evaluation of an AI Teaching Assistant

大学数学自动反馈生成：一种AI教学助教的开发与评估

Aron Gohr, Marie-Amelie Lawn, Kevin Gao, Inigo Serjeant, Stephen Heslip

机构 * Imperial College London（帝国理工学院伦敦校区） 纠错

AI总结 本文提出了一种基于AI的教学助手系统，用于生成大学数学作业的自动反馈，通过模块化工作流和大型语言模型实现了对技术正确性和风格的评估。

Implicit Graph, Explicit Retrieval: Towards Efficient and Interpretable Long-horizon Memory for Large Language Models

隐式图，显式检索：迈向高效且可解释的长周期记忆 для 大语言模型

Xin Zhang, Kailai Yang, Hao Li, Chenyue Li, Qiyu Wei, Sophia Ananiadou

机构 * University of Manchester（曼彻斯特大学） ； Imperial College London（伦敦帝国学院） ； Stanford University（斯坦福大学） 纠错

AI总结 LatentGraphMem结合隐式图记忆与显式子图检索，实现高效且可解释的长周期记忆，提升大语言模型的推理能力与可解释性。

Comments 11 pages, 5 figures

Topology-Independent Robustness of the Weighted Mean under Label Poisoning Attacks in Heterogeneous Decentralized Learning

拓扑无关的加权平均在异构去中心化学习中对抗标签污染攻击的鲁棒性

Jie Peng, Weiyu Li, Stefan Vlaski, Qing Ling

机构 * School of Computer Science and Engineering, Sun Yat-Sen University（中山大学计算机科学与工程学院） ； School of Engineering and Applied Science, Harvard University（哈佛大学工程与应用科学学院） ； Department of Electrical and Electronic Engineering, Imperial College London（伦敦帝国理工学院电子与电气工程系） 纠错

AI总结 本文研究了在异构去中心化学习中，加权平均聚合器在标签污染攻击下的鲁棒性，发现其在特定网络拓扑条件下可优于鲁棒聚合器。

Interconnection and Damping Assignment Passivity-Based Control using Sparse Neural ODEs

互连与阻尼分配基于被动性的控制使用稀疏神经ODEs

Nicolò Botteghi, Owen Brook, Urban Fasel, Federico Califano

机构 * Department of Mathematics（数学系） ； Politecnico di Milano（米兰理工大学） ； Department of Aeronautics（航空系） ； Imperial College London（伦敦帝国理工学院） ； Department of Robotics and Mechatronics（机器人与机电系） ； University of Twente（代尔夫特理工大学） 纠错

AI总结 本文提出了一种基于稀疏神经ODEs的方法，用于设计适用于复杂任务的IDA-PBC控制器，实现了闭环系统的稳定性和周期性行为发现。

SAM-aware Test-time Adaptation for Universal Medical Image Segmentation

基于SAM的测试时适应的通用医学图像分割

Jianghao Wu, Yicheng Wu, Yutong Xie, Wenjia Bai, You Zhang, Feilong Tang, Yulong Li, Imran Razzak, Daniel F Schmidt, Yasmeen George

机构 * Department of Data Science & AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，莫纳什大学） ； Department of Computing and Department of Brain Sciences, Imperial College London（计算系和脑科学系，伦敦帝国学院） ； Mohamed bin Zayed University of Artificial Intelligence（莫卧儿·本·扎耶德人工智能大学） ； Department of Radiation Oncology, UT Southwestern Medical Center（放射肿瘤科，德克萨斯西南医学中心） 纠错

AI总结 SAM-TTA通过自适应贝塞尔曲线变换和IoU引导的多尺度适应，提升医学图像分割的通用性和精度。

Comments 10 pages, 5 figures

LearnAD: Learning Interpretable Rules for Brain Networks in Alzheimer's Disease Classification

LearnAD: 通过学习可解释规则来识别阿尔茨海默病分类中的脑网络

Thomas Andrews, Mark Law, Sara Ahmadi-Abhari, Alessandra Russo

机构 * Department of Computing（计算系） ； Imperial College London（伦敦帝国学院） ； School of Public Health（公共卫生学院） 纠错

AI总结 LearnAD通过学习可解释的规则，实现了在阿尔茨海默病分类中识别脑网络的高可解释性方法。

Comments NeurIPS 2025, Data on the Brain & Mind Workshop

Autonomous battery research: Principles of heuristic operando experimentation

自主电池研究：启发式在位实验原理

Emily Lu, Gabriel Perez, Peter Baker, Daniel Irving, Santosh Kumar, Veronica Celorrio, Sylvia Britto, Thomas F. Headen, Miguel Gomez-Gonzalez, Connor Wright, Calum Green, Robert Scott Young, Oleg Kirichek, Ali Mortazavi, Sarah Day, Isabel Antony, Zoe Wright, Thomas Wood, Tim Snow, Jeyan Thiyagalingam, Paul Quinn, Martin Owen Jones, William David, James Le Houx

机构 * ISIS Neutron & Muon Source, Rutherford Appleton Laboratory（ISIS中子与穆子源、拉瑟福德-苹果顿实验室） ； The Faraday Institution（法拉第机构） ； Diamond Light Source, Rutherford Appleton Laboratory（Diamond光源、拉瑟福德-苹果顿实验室） ； University of Cambridge, The Old Schools, Trinity Ln（剑桥大学、旧校舍、三一街） ； Imperial College London, Department of Mechanical Engineering（伦敦帝国理工学院、机械工程系） 纠错

AI总结 本文提出启发式在位实验框架，利用AI和数字孪生技术主动捕捉电池退化中的罕见事件，提升实验效率和数据可靠性。

Comments 38 pages, 14 figures. Includes a detailed technical review of the POLARIS, BAM, DRIX, M-Series, and B18 electrochemical cells in the Supplementary Information

Test-time generative augmentation for medical image segmentation

测试时生成增强用于医学图像分割

Xiao Ma, Yuhui Tao, Zetian Zhang, Yuhan Zhang, Xi Wang, Sheng Zhang, Zexuan Ji, Yizhe Zhang, Qiang Chen, Guang Yang

机构 * organization= School of Computer Science ； Engineering, Nanjing University of Science ； organization= Bioengineering Department ； Imperial-X, Imperial College London , city= London , postcode= W12 7SL , country= UK ； organization= Digital Medical Research Center, School of Basic Medical Sciences, Fudan University , city= Shanghai , country= China ； organization= Shanghai Key Laboratory of MICCAI , city= Shanghai , country= China ； organization= School of Biomedical Engineering, Shenzhen University , city= Shenzhen , country= China ； organization= Department of Computer Science ； Engineering, The Hong Kong University of Science ； Engineering, The Chinese University of Hong Kong , city= Hong Kong , country= China ； Lung Institute, Imperial College London , city= London , postcode= SW7 2AZ , country= UK ； organization= Cardiovascular Research Centre, Royal Brompton Hospital , city= London , postcode= SW3 6NP , country= UK ； organization= School of Biomedical Engineering \& Imaging Sciences, King's College London , city= London , postcode= WC2R 2LS , country= UK 纠错

AI总结 本研究提出TTGA方法，通过生成模型在测试时增强医学图像分割，提升分割精度并提供像素级误差估计。

Comments Accepted for publication in Medical Image Analysis (MedIA). Finalized version. Vol. 109, March 2026

Journal ref Medical Image Analysis, Vol. 109, 103902, 2026

One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training

一次性合成罕见胃肠道病变提高诊断准确性和临床培训

Jia Yu, Yan Zhu, Peiyao Fu, Tianyi Chen, Zhihua Wang, Fei Wu, Quanlin Li, Pinghong Zhou, Shuo Wang, Xian Yang

机构 * Zhejiang University（浙江大学） ； Shanghai Institute for Advanced Study of Zhejiang University（浙江大学上海研究院） ； Digital Medical Research Center, School of Basic Medical Sciences, Fudan University（复旦大学基础医学部数字医学研究中心） ； Shanghai Collaborative Innovation Center of Endoscopy（上海内镜协同创新中心） ； Alliance Manchester Business School, The University of Manchester（曼彻斯特大学曼彻斯特商学院） ； Data Science Institute, Imperial College London（伦敦帝国理工学院数据科学学院） 纠错

AI总结 EndoRare通过一次性合成罕见胃肠道病变，提升诊断准确性和临床培训效果。