Johns Hopkins University（约翰斯·霍普金斯大学）

A novel open-source ultrasound dataset with deep learning benchmarks for spinal cord injury localization and anatomical segmentation

一种新的开源超声数据集，用于脊髓损伤定位和解剖分割的深度学习基准测试

Avisha Kumar, Kunal Kotkar, Kelly Jiang, Meghana Bhimreddy, Daniel Davidar, Carly Weber-Levine, Siddharth Krishnan, Max J. Kerensky, Ruixing Liang, Kelley Kempski Leadingham, Denis Routkevitch, Andrew M. Hersh, Kimberly Ashayeri, Betty Tyler, Ian Suk, Jennifer Son, Nicholas Theodore, Nitish Thakor, Amir Manbachi

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院） ； Cleveland Clinic（克利夫兰诊所） 纠错

AI总结 本文提出一个包含10223张B模式图像的开源超声数据集，用于评估深度学习模型在脊髓损伤定位和解剖分割中的性能，通过基准测试验证了不同算法在不同任务中的表现。

DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents

DRIFT: 基于注入隔离的动态规则防御以保障LLM代理安全

Hao Li, Xiaogeng Liu, Hung-Chun Chiu, Dianqi Li, Ning Zhang, Chaowei Xiao

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Independent Researcher（独立研究者） 纠错

AI总结 DRIFT通过动态安全策略和注入隔离技术，有效防御LLM代理中的提示注入攻击，验证了其在多个基准测试中的高安全性和高实用性。

Comments Accepted to NeurIPS 2025