Northeastern University（东北大学）

PBE-UNet: A light weight Progressive Boundary-Enhanced U-Net with Scale-Aware Aggregation for Ultrasound Image Segmentation

PBE-UNet：一种轻量级的渐进边界增强U-Net，具有尺度感知聚合，用于超声图像分割

Chen Wang, Yixin Zhu, Yongbin Zhu, Fengyuan Shi, Qi Li, Jun Wang, Zuozhu Liu, Keli Hu

机构 * Department of Computer Science, Shaoxing University（绍兴大学计算机科学系） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University（工业智能化与系统优化国家级前沿科学中心，东北大学） ； College of Computer Science, Chongqing University（重庆大学计算机学院） ； School of Computer and Computing Science, Hangzhou City University（杭州市大学计算机与计算科学学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Information Technology R&D Innovation Center of Peking University（北京大学信息技术研发创新中心） 纠错

AI总结 本文提出PBE-UNet，通过引入尺度感知聚合模块和边界引导特征增强模块，解决超声图像分割中边界模糊和尺度变化的问题，实验表明其在四个数据集上优于现有方法。

Comments 14 pages, 14 figures

Universality of Gaussian-Mixture Reverse Kernels in Conditional Diffusion

高斯混合反向核在条件扩散中的普遍性

Nafiz Ishtiaque, Syed Arefinul Haque, Kazi Ashraful Alam, Fatima Jahara

机构 * Center for Mathematics and Interdisciplinary Sciences, Fudan University（复旦大学数学与交叉科学中心） ； Shanghai Institute for Mathematics and Interdisciplinary Sciences (SIMIS)（上海数学与交叉科学研究院（SIMIS）） ； Northeastern University（东北大学） ； Infectious Diseases Division, icddr,b（icddr,b传染病部门） ； Rutgers University（罗格斯大学） 纠错

AI总结 研究证明，具有ReLU网络对数的有限高斯混合反向核的条件扩散模型可近似任意正则目标分布，误差随扩散时间增加而减小。

Comments 10+19 pages

Giving Voice to the Constitution: Low-Resource Text-to-Speech for Quechua and Spanish Using a Bilingual Legal Corpus

为宪法发声：利用双语法律语料库实现低资源文本到语音的Quechua和西班牙语

John E. Ortega, Rodolfo Zevallos, Fabricio Carraro

机构 * Northeastern University, USA（东北大学） ； Universitat Pompeu Fabre, Spain（庞培法布雷大学） ； Barcelona Supercomputing Center, Spain（巴塞罗那超级计算中心） 纠错

AI总结 本文提出统一管道，利用三种先进文本到语音架构生成高质量的秘鲁宪法Quechua和西班牙语音频，通过双语和多语TTS能力提升两种语言的合成质量，缓解Quechua数据稀缺问题，同时保持西班牙语音的自然性。

L2D-Clinical: Learning to Defer for Adaptive Model Selection in Clinical Text Classification

L2D-Clinical：在临床文本分类中学习延迟以实现自适应模型选择

Rishik Kondadadi, John E. Ortega

机构 * University of Minnesota, Northeastern University Minneapolis, Boston, USA（明尼苏达大学、东北大学） 纠错

AI总结 本文提出L2D-Clinical框架，通过不确定性信号和文本特征决定在BERT和LLM之间延迟决策，提升临床文本分类的准确率，实验表明在ADE检测和治疗结果分类任务中均取得显著提升。

Agentic Conversational Search with Contextualized Reasoning via Reinforcement Learning

基于强化学习的上下文化推理对话搜索代理

Fengran Mo, Yifan Gao, Sha Li, Hansi Zeng, Xin Liu, Zhaoxuan Tan, Xian Li, Jianshu Chen, Dakuo Wang, Meng Jiang

机构 * University of Montreal（蒙特利尔大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Notre Dame（诺特丹大学） ； Northeastern University（东北大学） 纠错

AI总结 本文提出一种基于强化学习的对话搜索代理，通过在对话轮次中交替搜索与推理，实现探索性与适应性行为，优于现有基准方法。

Comments Accepted by ACL 2026 (Findings)

RECOVER: Designing a Large Language Model-based Remote Patient Monitoring System for Postoperative Gastrointestinal Cancer Care

RECOVER：基于大语言模型的术后胃肠癌远程患者监测系统设计

Ziqi Yang, Yuxuan Lu, Jennifer Bagdasarian, Vedant Das Swain, Ritu Agarwal, Collin Campbell, Waddah Al-Refaire, Jehan El-Bayoumi, Guodong Gao, Dakuo Wang, Bingsheng Yao, Nawar Shara

机构 * University of California, Irvine（加州大学尔湾分校） ； Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； New York University（纽约大学） ； MedStar Health Research Institute（梅斯塔健康研究院） ； Creighton University（克里普顿大学） ； Georgetown University（乔治城大学） 纠错

AI总结 本文设计了基于大语言模型的RECOVER系统，用于术后胃肠癌的远程患者监测，通过临床整合提升术后护理效率，并探讨了AI伦理与未来发展方向。