Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction
用于自回归MRI重建的下一步加速尺度预测
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种基于离散多尺度潜在空间的自回归下一步加速尺度预测方法，通过引入特权信息蒸馏技术，提升了在极端欠采样下的MRI重建性能。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
Virtual 3D H&E Staining from Phase-contrast Back-illumination Interference Tomography
从相位对比背光干涉断层扫描生成虚拟3D的H&E染色
机构 * Department of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； Department of Pathology, Johns Hopkins Hospital（约翰霍普金斯医院病理学系）
AI总结 本文提出HistoBIT3D，首个基于voxel的配对BIT和荧光标记核数据集，用于评估无监督虚拟染色在结构保持方面的定量效果。通过该数据集，作者提出一种新的虚拟染色框架，利用双向多尺度内容一致性与跨域风格复用，将具有移变对比度的BIT体积转化为逼真的H&E体积，从而提升3D核分割精度和边界保持性。
Thermo-VL: Extending Vision-Language Models to Thermal Infrared Perception
Thermo-VL：扩展视觉语言模型以适应热红外感知
机构 * Department of Electrical & Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系）
AI总结 本文提出Thermo-VL，一种基于热红外感知的视觉语言模型，通过引入可训练的热编码器和文本引导的双注意力融合模块，提升了低光照条件下的多光谱融合能力，并在热红外和RGB+热红外推理任务中取得显著成果。
Comments 18 pages, 11 figures
Understanding Perspectives of Patients, Caregivers and Clinicians towards Emerging Collaborative-decision Making Technologies
理解患者、护理人员和临床医生对新兴协作决策技术的看法
机构 * University of Washington（华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究探讨了患者、护理人员和临床医生对协作决策技术的态度差异，发现技术接受度与用户对技术的信任有关，需探索建立或促进用户与技术之间信任的设计和实施策略。
Comments Accepted at The Workshop on Interactive Systems in Healthcare (WISH) at AMIA Annual Symposium 2025
When Are Teacher Tokens Reliable? Position-Weighted On-Policy Self-Distillation for Reasoning
何时教师标记可靠？用于推理的基于位置加权的在线自我蒸馏
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出了一种基于位置加权的在线自我蒸馏方法，用于改进推理任务中教师标记的可靠性，通过引入分支可行性诊断来识别教师标记的可靠性，并在不同模型上验证了其有效性。
Comments Pre-print. Code is available at https://github.com/SaFo-Lab/PW-OPSD
