Johns Hopkins University（约翰斯·霍普金斯大学）

ECLARE: Efficient cross-planar learning for anisotropic resolution enhancement

ECLARE：高效的跨平面学习用于各向异性分辨率增强

Samuel W. Remedios, Shuwen Wei, Shuo Han, Jinwei Zhang, Aaron Carass, Kurt G. Schilling, Dzung L. Pham, Jerry L. Prince, Blake E. Dewey

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Vanderbilt University Institute of Imaging Science（范德比尔特大学成像科学研究所） ； Uniformed Services University（统一服务大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院） 纠错

AI总结 ECLARE通过自监督学习解决多切片2D MR图像的超分辨率问题，优于现有方法在信号恢复和下游任务中表现更佳。

Reconstruct! Don't Encode: Self-Supervised Representation Reconstruction Loss for High-Intelligibility and Low-Latency Streaming Neural Audio Codec

重建！不要编码：面向高可懂性和低延迟流式神经音频编解码器的自监督表示重建损失

Junhyeok Lee, Xiluo He, Jihwan Lee, Helin Wang, Shrikanth Narayanan, Thomas Thebaud, Laureano Moro-Velazquez, Jesús Villalba, Najim Dehak

机构 * Center for Language and Speech Processing, Johns Hopkins University, USA（语言与语音处理中心，约翰霍普金斯大学，美国） ； Signal Analysis and Interpretation Laboratory, University of Southern California, USA（信号分析与解释实验室，南加州大学，美国） 纠错

AI总结 本文提出自监督表示重建损失，用于提升流式神经音频编解码器的可懂性和低延迟性能。

Comments Submitted to Interspeech 2026

Behavior-dLDS: A decomposed linear dynamical systems model for neural activity partially constrained by behavior

行为分解线性动力学系统：一种用于神经活动部分受行为约束的分解线性动力学系统模型

Eva Yezerets, En Yang, Misha B. Ahrens, Adam S. Charles

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of North Carolina（北卡罗来纳大学） ； Janelia Research Campus（贾维亚研究campus） ； Howard Hughes Medical Institute（霍华德·霍夫曼医学研究所） 纠错

AI总结 行为分解线性动力学系统（b-dLDS）通过分解神经活动与行为的关系，有效区分行为生成网络与内部计算，提升大规模神经记录的分析能力。