Johns Hopkins University（约翰斯·霍普金斯大学）

Sampling Data with Chains of Forward-Backward Diffusion Steps

通过前向-反向扩散步骤链采样数据

Hyunmo Kang, Noam Itzhak Levi, Corinna Elena Wegner, Daniel J. Korchinski, Matthieu Wyart

机构 * Johns Hopkins University（约翰霍普金斯大学） ； EPFL（瑞士联邦理工学院） ； University of Göttingen（哥廷根大学） 纠错

AI总结 提出U-turn链，通过扩散模型的短前向-反向步骤迭代构造马尔可夫链，结合Metropolis-Hastings校正从能量修正目标中采样，并发现最小U-turn动力学经历由数据流形碎片化驱动的遍历性破缺相变。

RadJEPA: Radiology Encoder for Chest X-Rays via Joint Embedding Predictive Architecture

RadJEPA：基于联合嵌入预测架构的胸部X光放射学编码器

Anas Anwarul Haq Khan, Mariam Husain, Pratik Jalan, Kshitij Jadhav

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Bombay（印度理工学院孟买分校计算机科学与工程系） ； Department of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； Koita Centre for Digital Health, Indian Institute of Technology Bombay（印度理工学院孟买分校Koita数字健康中心） 纠错

AI总结 提出RadJEPA，一种无需语言监督的自监督框架，通过联合嵌入预测架构在约84万张无标签胸部X光图像上预训练，学习预测掩码区域的潜在表示，在放射学报告生成等任务中达到或超越现有基线。

Bayesian In Vivo Tracking of Synapses using Joint Poisson Deconvolution and Diffeomorphic Registration

使用联合泊松反卷积和微分同胚配准的贝叶斯体内突触追踪

Shashwat Kumar, Dominic M. Padova, Binish Narang, Gabrielle I. Coste, Austin R. Graves, Richard L. Huganir, Adam S. Charles, Michael I. Miller, Anuj Srivastava

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 Neuroscience, Johns Hopkins University（约翰霍普金斯大学神经科学系） ； Kavli Neuroscience Discovery Institute, Johns Hopkins University（约翰霍普金斯大学Kavli神经科学发现研究所） ； Data Science and AI Institute, Johns Hopkins University（约翰霍普金斯大学数据科学与人工智能研究所） ； Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） 纠错

AI总结 提出一种基于模板的贝叶斯框架，通过联合泊松反卷积和微分同胚配准，同时实现突触检测、去噪、荧光强度推断、组织运动校正和置信区间估计，用于低信噪比体内显微镜数据中的突触追踪。

Explainable Cross-Disease Reasoning for Cardiovascular Risk Assessment from Low-Dose Computed Tomography

可解释的跨疾病推理：基于低剂量计算机断层扫描的心血管风险评估

Yifei Zhang, Jiashuo Zhang, Mojtaba Safari, Xiaofeng Yang, Liang Zhao

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Radiation Oncology（放射肿瘤学部） ； Winship Cancer Institute, Emory University（埃默里大学Winship癌症研究所） 纠错

AI总结 提出一种可解释的跨疾病推理框架，通过提取肺部发现、基于医学知识进行跨器官机制推理，并结合心脏子体积特征，从低剂量胸部CT中实现心血管风险评估，在NLST队列中AUC达0.919。