University of Pennsylvania（宾夕法尼亚大学）

A Generalizable Deep Learning System for Cardiac MRI

可泛化的心脏磁共振成像深度学习系统

Rohan Shad, Cyril Zakka, Dhamanpreet Kaur, Mrudang Mathur, Robyn Fong, Joseph Cho, Ross Warren Filice, John Mongan, Kimberly Kalianos, Nishith Khandwala, David Eng, Matthew Leipzig, Walter R. Witschey, Alejandro de Feria, Victor A. Ferrari, Euan A. Ashley, Michael A. Acker, Curtis Langlotz, William Hiesinger

机构 * Division of Cardiovascular Surgery, Department of Surgery, University of Pennsylvania（宾夕法尼亚大学心血管外科 division） ； Department of Cardiothoracic Surgery, Stanford University（斯坦福大学心胸外科 department） ； Department of Radiology, Medstar Georgetown University Hospital（梅奥医疗中心乔治城大学医院放射科 department） ； Department of Radiology and Biomedical Imaging, University of California, San Francisco（加州大学旧金山分校放射科和生物医学成像 department） ； Bunkerhill Health, San Francisco（旧金山布纳克希尔健康机构） ； Department of Radiology, University of Pennsylvania（宾夕法尼亚大学放射科 department） ； Division of Cardiovascular Medicine, Department of Medicine, University of Pennsylvania（宾夕法尼亚大学心血管医学 division） ； Division of Cardiovascular Medicine, Department of Medicine, Genetics, and Biomedical Data Science, Stanford University（斯坦福大学心血管医学 division） ； Department of Radiology, Medicine, and Biomedical Data Science, Stanford University（斯坦福大学放射科、医学和生物医学数据科学 department） 纠错

AI总结 本文提出一种可泛化的心脏MRI深度学习系统，通过自监督对比学习从放射科报告文本中学习心脏MRI动态序列中的视觉概念，展示了在多种任务上的卓越性能，包括左心室射血分数回归和39种心脏疾病的诊断。

Comments Published in Nature Biomedical Engineering; Supplementary Appendix available on publisher website. Code: https://github.com/rohanshad/cmr_transformer

Journal ref Nat. Biomed. Eng (2026)

Neural Networks as Local-to-Global Computations

神经网络作为局部到全局计算

Vicente Bosca, Robert Ghrist

机构 * Department of Mathematics, University of Pennsylvania（宾夕法尼亚大学数学系） 纠错

AI总结 本文通过构造细胞sheaf，将神经网络的前向传递过程转化为局部到全局的计算，证明了其收敛性和独特性质，展示了sheaf训练方法在小规模任务中的有效性。

Comments 43 pages, 21 figures