医学 AI

Mamba-driven MRI-to-CT Synthesis for MRI-only Radiotherapy Planning

基于Mamba的MRI到CT合成用于仅MRI的放疗计划

Konstantinos Barmpounakis, Theodoros P. Vagenas, Maria Vakalopoulou, George K. Matsopoulos

机构 * School of Electrical ； Computer Engineering, National Technical University of Athens Archimedes, Athena Research Center CentraleSup\'elec, University of Paris-Saclay 纠错

专题命中 医学影像 ：MRI(title,title_cn)；CT(title,title_cn)；medical image(abstract)；分类 cs.CV

AI总结 本文提出基于Mamba架构的MRI到CT合成方法，以提高跨模态翻译的准确性与效率，通过3D Mamba架构捕捉复杂体积特征和长距离依赖，实现快速且精确的CT合成。

Error Detection for PET/CT Radiology Reports: Domain-Specific vs Large Language Models

PET/CT放射报告的错误检测：领域特定模型与大语言模型

Hermione Warr, Harry Anthony, Lilli J Freischem, Yasin Ibrahim, Daniel R McGowan, Konstantinos Kamnitsas

机构 * University of Oxford（牛津大学） ； Oxford University Hospitals NHS（牛津大学医院NHS） ； Imperial College London（伦敦帝国理工学院） ； University of Birmingham（伯明翰大学） 纠错

专题命中 医学影像 ：CT(title,title_cn)；radiology(title,abstract)；分类 cs.LG

AI总结 本研究针对PET/CT报告错误检测，对比了领域特定模型与大语言模型，发现15M参数的领域特定BERT模型性能优于最强提示式LLM，任务适配的Llama-3.3-70B可缩小差距但计算需求更高，证明领域特定训练更关键。

Medical Foundation Model Features as Perceptual Loss for Brain MRI Contrast Dose Simulation

医学基础模型特征作为感知损失用于脑部MRI对比度剂量模拟

Changsheng Fang, Dayang Wang, T. Campbell Arnold, Enhao Gong, Srivathsa Pasumarthi

专题命中 医学影像 ：MRI(title,title_cn)；medical image(abstract)；radiology(abstract)；分类 cs.CV、eess.IV

AI总结 该研究提出用医学基础模型RadImageNet的特征替代自然图像骨干网络，作为感知损失用于脑部MRI对比度剂量模拟，相关指标略有提升，视觉效果更优。

Whole-Body MRI Classification via Prompt-Based Clinical Conditioning

基于提示的临床条件下的全身MRI分类

Laura Daza, Marta Hasny, Cristina González, Julia A. Schnabel

机构 * Helmholtz Munich（亥姆霍兹慕尼黑） ； Technical University of Munich（慕尼黑工业大学） ； King’s College London（伦敦国王学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；diagnosis(abstract)；分类 cs.CV

AI总结 本研究提出基于提示的多模态框架TACTIC，整合全身MRI与结构化临床数据，可处理缺失临床数据，在五项WB-MRI分类任务中优于仅图像方法，提升诊断性能。

On the Role of MRI Sequences in Cross-Dataset Generalization for Brain Tumor Segmentation

MRI序列在脑肿瘤分割跨数据集泛化中的作用

Henrique Zan Grande, João G. Pitol, Lucas B. Schuck, Rafael V. Serenato, Rayson Laroca, Andre Gustavo Hochuli

机构 * Pontifical Catholic University of Paraná（巴拉那州天主教大学） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；diagnosis(abstract)；分类 cs.CV

AI总结 本研究评估MRI序列对脑肿瘤分割跨数据集泛化的影响，采用ResUNet框架，发现T2f/FLAIR序列跨数据集性能最优，多序列训练可进一步提升效果，有限目标域适应能减少标注需求。

Comments Accepted for presentation at the 2026 Conference on Graphics, Patterns and Images (SIBGRAPI)

Beyond Representation Learning: A Systematic Study of Joint-Embedding Predictive Generation for 3D Brain MRI

超越表示学习：针对3D脑部MRI的联合嵌入预测生成的系统研究

Meng Zhou, Wenhao You, Yuxing Chen, Yueying Tian

机构 * University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学） ； University of Alberta（阿尔伯塔大学） ； University of Sussex（萨塞克斯大学） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；medical image(abstract)；分类 cs.CV

AI总结 本研究提出适配3D脑部MRI的Med-D-JEPA模型，在生成质量、分类与分割任务上均优于或相当基线，证明联合嵌入预测生成可用于3D医学图像合成。

Comments Preprint, code will be released after review

Posterior Variance Is a Constraint Map, Not an Error Map: Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT

用于稀疏视图CT中辐射高斯点云的校准闭式不确定性

Chulin Zhao, Yiran Xu, Shu Liu

机构 * Dundee International Institute, Central South University（中南大学邓迪国际学院） ； Central South University（中南大学） 纠错

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、cs.LG、eess.IV

AI总结 研究针对辐射高斯点云在稀疏视图CT重建中缺乏可信度问题，利用透射X射线成像特性赋予其变分密度后验，通过系统校准研究表明所得不确定性能与真实误差排序相符，还剖析相关现象并指出校准后验指向剂量自适应停止规则。

Comments v2: substantially revised and condensed; 31 pages total, 9 figures

Evaluating the Safety of Deep Learning-Based Brain MRI Reconstruction

基于深度学习的脑部MRI重建安全性评估

Dat Tat Mai, Thai Viet Pham, Thu Nguyen Thi Dang, James Jin Kang

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 本文针对深度学习脑部MRI重建的安全性问题，系统综述263项相关研究，发现现有评估无法捕捉病灶消除等故障，推导了安全评估需满足的5项要求。

Coronary Mask Guided Registration for Continuous Time 4D Cardiac CT Dataset Construction

冠脉掩码引导配准用于连续时间四维心脏CT数据集构建

Yuang Wang, Shuo Wang, Changyu Chen, Dufan Wu, Pengfei Jin, Yunqiang An, Yang Gao, Bin Lu, Dongrui Dai, Muge Du, Yan Yan, Dong Li, Liang Li, Li Zhang, Zhiqiang Chen

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV、eess.IV

AI总结 该研究提出冠脉掩码引导配准（CMGR）方法，用于构建无伪影、运动保留的连续时间四维心脏CT数据集，其在RCA运动捕获等方面优于现有方法，可支撑心脏CT成像相关研究。

Comments 12 pages, 7 figures. This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Enhancing MRI Brain Tumor Edge Detection: A Hybrid Preprocessing Approach Utilizing CLAHE

增强MRI脑肿瘤边缘检测：一种利用CLAHE的混合预处理方法

Shahid-E-Kaiser Md. Tashrif, Munshi Md Arafat Hussain, Sheikh Nahian, Sumaiya Islam

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 针对MRI脑肿瘤边界检测难题，提出集成优化CLAHE的混合预处理流程，自动化阈值选择，在Kaggle基准库上提升了召回率、F1分数与SSIM，高效可用于临床诊断。

Comments 14 pages, 3 figures. In review at IntSym 2026, South Eastern University of Sri Lanka

Is Deformable Image Registration Ready for Brain Metastasis Reirradiation Dose Accumulation? A Longitudinal MRI Benchmark of Registration Accuracy

可变形图像配准是否适用于脑转移瘤再照射剂量累积？一项关于配准准确性的纵向MRI基准研究

Hengjie Liu, Manju Sharma, Xinyi Fu, Di Xu, Ke Sheng

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、eess.IV

AI总结 该研究通过87例脑转移瘤纵向MRI数据基准测试DIR方法，发现基于优化的DIR方法表现最佳，但现有DIR方法仍无法满足脑转移瘤再照射剂量累积的临床无人监督使用需求，需病例级质量控制。

RegionFM: Interpretable Region-Based Brain MRI Classification Using Foundation Model Embeddings

RegionFM：使用基础模型嵌入进行可解释的基于区域的脑MRI分类

Wei Zhang

机构 * L3S Research Center（L3S研究中心） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV、cs.LG

AI总结 研究针对脑MRI基础模型预测难解释问题，提出RegionFM框架，将解剖分割与基础模型嵌入结合，通过划分区域、编码嵌入及构建模型组合，用于认知障碍分类评估，在保持性能同时使解释与临床推理更好对齐。

CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation

CARD：基于反向扩散一致性的域外MRI分割校准方法

Jiaheng Dai, Weidong Guo, Qingbiao Li, Jie Xu, Yi Guo, Yuanyuan Wang, Zeju Li

机构 * College of Biomedical Engineering, Fudan University（复旦大学生物医学工程学院） ； Faculty of Information Science and Computing, University of Macau（澳门大学信息科学与计算学院） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 该研究针对域外MRI分割的域偏移导致概率校准失效的问题，提出基于反向扩散一致性的CARD方法，利用生成式形状先验的分歧实现像素级校准，显著降低了多器官MRI域偏移下的校准误差。

Comments 10 pages, 5 figures

CUPA-T2*: Covariance-Aware Uncertainty Propagation and Alignment for T2* Mapping in Accelerated MRI

CUPA-T2*：用于加速MRI中T2* mapping的协方差感知不确定性传播与对齐

Gideon N. L. Rouwendaal, Natascha Niessen, Hannah Eichhorn, Dirk H. J. Poot, Christine Preibisch, Julia A. Schnabel

机构 * Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich（亥姆霍兹慕尼黑生物医学成像机器学习研究所） ； School of Computation, Information & Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） ； GE HealthCare（GE医疗） ； Biomedical Imaging Group Rotterdam, Erasmus MC（伊拉斯姆斯大学医学中心鹿特丹生物医学成像组） ； Visionlab, University of Antwerp（安特卫普大学视觉实验室） ； School of Medicine & Health, Technical University of Munich（慕尼黑工业大学医学与健康学院） ； Department of Neuroradiology, Klinikum rechts der Isar, Technical University of Munich（慕尼黑工业大学右伊萨尔医院神经放射科） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； School of Biomedical Engineering & Imaging Sciences, King’s College London（伦敦国王学院生物医学工程与成像科学学院） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.CV

AI总结 CUPA-T2*框架通过协方差感知采样将重建不确定性传播到T2*拟合，在加速脑部MRI中提升了T2*拟合性能与不确定性对齐度，为定量T2*估计提供解释支持。

Comments Accepted at the 2nd workshop on: Reconstruction and Imaging Motion Estimation (RIME) MICCAI. This is the submitted manuscript with added link to GitHub repo, funding acknowledgements, disclosure of interests, and authors' names and affiliations. No further post submission improvements or corrections were integrated

FoundDiff: Foundational Diffusion Model for Generalizable Low-Dose CT Denoising

FoundDiff：用于通用低剂量CT去噪的基础扩散模型

Zhihao Chen, Qi Gao, Zilong Li, Junping Zhang, Yi Zhang, Jun Zhao, Hongming Shan

机构 * Institute of Science and Technology for Brain-inspired Intelligence and MOE Frontiers Center for Brain Science, Fudan University（脑启发智能科学技术研究所和脑科学前沿中心，复旦大学） ； Shanghai Key Lab of Intelligent Information Processing, School of Computer Science, Fudan University（智能信息处理上海市重点实验室，复旦大学计算机科学学院） ； School of Cyber Science and Engineering, Sichuan University（四川大学网络科学与工程学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） 纠错

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV

AI总结 该研究针对现有低剂量CT去噪方法泛化性差的问题，提出基础扩散模型FoundDiff，采用DA-CLIP与DA-Diff的两阶段策略，在多数据集上验证了其优异去噪性能与泛化能力。

Comments 14 pages, 8 figures

Multiparametric MRI Radiomics and Machine Learning Framework for Predicting Treatment Response in Glioblastoma

用于预测胶质母细胞瘤治疗反应的多参数MRI放射组学与机器学习框架

Suchibrata Patra

专题命中 医学影像 ：MRI(title,title_cn)；分类 q-bio

AI总结 本研究构建结合多参数MRI放射组学与MGMT状态的随机森林模型，实现胶质母细胞瘤放化疗后真性进展与假性进展的无创精准区分，性能优于多种对照方法。

Extending TotalSegmentator: Predicting Patient and Acquisition Characteristics from CT and MR Images

扩展TotalSegmentator：从CT和MR图像预测患者与采集特征

Jakob Wasserthal, Joshy Cyriac, Michael Bach, Kimia Mozahheb Yousefi, Minh-Son To, Máté Sik, Cédric Hémon, Thomas Weikert, Martin Segeroth

机构 * University Hospital Basel（巴塞尔大学医院） ； Iran University of Medical Sciences（伊朗医科大学） ； Flinders University（弗林德斯大学） ； University of Debrecen（德布勒森大学） ； Univ. Rennes（雷恩大学） ； CLCC Eugène Marquis（欧仁·马基斯癌症中心） ； INSERM（法国国家健康与医学研究院） ； Bilddiagnostik Basel（巴塞尔影像诊断中心） 纠错

专题命中 医学影像 ：CT(title,title_cn)

AI总结 该研究扩展TotalSegmentator，训练CT和MR专用3D ResNet-10集成模型，可快速预测患者与采集特征，性能优于基线模型，模型已开源集成至TotalSegmentator。

Slug-Mapper: Magnetic Scanner for Ultra Low-Field MRI Scanners

Slug-Mapper：用于超低频MRI扫描仪的磁场测绘仪

Jonathan W. Morris

专题命中 医学影像 ：MRI(title,title_cn)

AI总结 研究针对ULF MRI需校准的问题，开发了基于3D打印机、树莓派的开源磁场扫描仪Slug-Mapper，可测绘B0磁场，支撑便携MRI技术发展。

ImageCAS-X: a dataset and benchmark for coronary artery segmentation and centerline extraction in coronary CT angiography

ImageCAS-X：用于冠状动脉CT血管造影中冠状动脉分割与中心线提取的数据集和基准

Kit M. Bransby, Esther Øksnebjerg, Kristoffer Kjær, Jacob Kirkeby, Yasmin El Youssef, Aïda Jiménez, Philip R. Pedersson, Martina C. de Knegt, Klaus F. Kofoed, Rasmus R. Paulsen

机构 * DTU Compute, Technical University of Denmark（丹麦技术大学DTU计算学院） ； Cardiovascular Research Unit, Copenhagen University Hospital – Rigshospitalet（哥本哈根大学医院——国立医院心血管研究科） 纠错

专题命中 医学影像 ：CT(title,title_cn)；分类 cs.CV

AI总结 本研究构建了含800例扫描标注的ImageCAS-X数据集，对冠状动脉CT血管造影的管腔分割方法开展多维度基准测试，为相关医学影像分析方法的开发验证提供支撑。

Comments Pre-print (under review)

Federated Learning for MRI-based BrainAGE: a multicenter study on post-stroke functional outcome prediction

基于MRI的脑龄预测（BrainAGE）的联邦学习：一项针对卒中后功能结局预测的多中心研究

Vincent Roca, Marc Tommasi, Paul Andrey, Aurélien Bellet, Markus D. Schirmer, Hilde Henon, Laurent Puy, Julien Ramon, Grégory Kuchcinski, Martin Bretzner, Renaud Lopes

机构 * Univ. Lille, CNRS, Inserm, CHU Lille, Institut Pasteur de Lille, US 41 - UAR 2014 - PLBS, F-59000 Lille, France（里尔大学，法国国家科学研究中心，法国国家卫生研究院，里尔大学医院，里尔巴斯德研究所，法国） ； Univ. Lille, Inria, F-59000 Lille, France（里尔大学，法国国家科研机构） ； Univ. Montpellier, Inria, F-34090 Montpellier, France（蒙彼利埃大学，法国国家科研机构） ； Department of Neurology, Massachusetts General Hospital, Harvard Medical School, Boston, USA（神经内科，麻省总医院，哈佛医学院，美国） 纠错

专题命中 医学影像 ：MRI(title,title_cn)；分类 cs.LG

AI总结 本研究针对卒中后功能结局预测，采用联邦学习（FL）对16家中心1674名卒中患者的FLAIR脑图像构建BrainAGE模型，发现FL性能优于单中心学习，且BrainAGE与卒中后恢复显著相关，可用于卒中预后建模。

Journal ref NeuroImage 339 (2026)

LISynSeg: Data-Centric Label-to-Image Synthesis for Cross-Modality Whole-Heart Segmentation

LISynSeg：以数据为中心的标签到图像合成用于跨模态全心分割

Jiacheng Wang, Ivana Isgum, Ipek Oguz

机构 * Vanderbilt University（范德堡大学） ； Mayo Clinic（梅奥诊所） 纠错

专题命中 医学影像 ：MRI(summary_cn,abstract)；CT(abstract,abstract_cn)；分类 cs.CV、eess.IV

AI总结 该研究提出以数据为中心的LISynSeg方法，通过标签到图像合成结合真实图像训练，在不改变nnU-Net架构的情况下改善跨模态全心分割，对MRI的提升更显著。

Comments 12 pages, 4 figures

Artifact Reduction in Undersampled 3D Cone-Beam CTs using a Hybrid 2D-3D CNN Framework

使用混合2D-3D CNN框架减少欠采样3D锥形束CT中的伪影

Johannes Thalhammer, Tina Dorosti, Sebastian Peterhansl, Daniela Pfeiffer, Franz Pfeiffer, Florian Schaff

机构 * Chair of Biomedical Physics, Department of Physics, School of Natural Sciences（生物医学物理教授会，物理系，自然科学学院） ； Munich Institute of Biomedical Engineering（慕尼黑生物医学工程研究所） ； Institute for Diagnostic and Interventional Radiology, School of Medicine and Health, TUM Klinikum（诊断与介入放射学研究所，医学与健康学院，TUM医院） 纠错

专题命中 医学影像 ：CT(title_cn,summary_cn)；分类 cs.CV

AI总结 本文提出一种混合2D-3D CNN框架，用于减少欠采样3D锥形束CT中的伪影，通过2D和3D模型结合提升图像质量与处理效率。

SGRNet: Spatially Guided Radiology Network for Structured Radiological Reporting of Head and Neck Cancer

SGRNet：用于头颈部癌症结构化放射学报告的空间引导放射学网络

Ayush Gupta, Vinkle Srivastav, Prateek Upadhya, Amit Gupta, Krithika Rangarajan, Nicolas Padoy

机构 * University of Strasbourg（斯特拉斯堡大学） ； IHU Strasbourg（斯特拉斯堡大学医院研究所） ； Indian Institute of Technology (IIT) Madras（印度马德拉斯理工学院） ； All India Institute of Medical Sciences（全印度医学科学院） 纠错

专题命中 医学影像 ：radiology(title,abstract)；CT(abstract,abstract_cn)；分类 cs.CV

AI总结 SGRNet是用于头颈部癌症结构化放射学报告的网络，通过整合自动器官分割等空间先验，在184例多中心数据上较基线提升8.8个百分点，实现0.60的mAP。

Learning To Focus: Anatomy-Guided Attention Regularization for Medical Image Classification

学习聚焦：用于医学图像分类的解剖学引导注意力正则化

Tonmoy Hossain, Atiqur Rahman, Farhana Hossain Swarnali, Miaomiao Zhang

机构 * University of Virginia（弗吉尼亚大学） ； Ahsanullah University of Science and Technology（阿山努拉科技大学） ； University of Utah（犹他大学） 纠错

专题命中 医学影像 ：medical image(title,abstract)；MRI(abstract)；分类 cs.CV

AI总结 针对医学图像分类中标准分类损失缺乏空间监督的问题，提出Locus框架，利用预训练分割基础模型引导分类器关注诊断相关解剖结构，引入正则化项平衡注意力，在多数据集上验证，提升了分类性能和解剖学注意力。

Conditional Diffusion for 3D CT Volume Reconstruction from 2D X-rays

基于条件扩散的3DCT体积重建从2DX光

Martin Rath, Morteza Ghahremani, Yitong Li, Ashkan Taghipour, Marcus Makowski, Christian Wachinger

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Western Australia (UWA)（西澳大利亚大学） 纠错

专题命中 医学影像 ：CT(title,abstract)；分类 cs.CV

AI总结 本文提出AXON框架，通过多阶段扩散模型直接从真实X光重建高保真3DCT体积，采用粗到细策略和ControlNet优化，支持双平面X光输入并提升诊断分辨率。

Comments Accepted at BMVC 2026

Evaluating the Effects of Inter-Observer and Model Variability on Radiological Peritoneal Cancer Index Assessment

评估观察者间变异性与模型变异性对放射学腹膜癌指数评估的影响

Savvas Saragiotis, Pieter C. Gort, Lotte J. S. Fleurkens-Ewals, Anna F. van Herwijnen, Marion Tops-Welten, L. D. Kampmeijer, Joost Nederend, Fons van der Sommen

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.CV、eess.IV

AI总结 本研究以对比增强CT影像的rPCI分割为对象，量化观察者间与nnU-Net模型的变异性，发现rPCI评分对典型分割变异性具鲁棒性，仅临界病例需专家审查。

Comments Accepted as a CaPTion workshop paper at MICCAI 2026

Multimodal Deep Learning for Uncertainty-Aware Radiation Pneumonitis Risk Prediction

用于不确定性感知放射性肺炎风险预测的多模态深度学习

Jin Yang, Tian Liu, Jing Wang, Robert Samstein, Kenneth Rosenzweig, Julie Bloom, Ming Chao

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 eess.IV

AI总结 本研究提出MM-DiT框架，通过多模态预训练整合CT图像与放射剂量分布，可联合估计RP风险并量化三类不确定性，在独立队列中验证了其预测准确性与不确定性量化能力。

Comments 30 pages, 7 figures, 4 tables

MCSeg: Pre-training and Fine-tuning Volumetric Pyramid Transformer for Multi-modal Cardiac Image Segmentation

MCSeg：用于多模态心脏图像分割的体积金字塔Transformer的预训练与微调

Zhiyu Ye, Hairong Zheng, Tong Zhang

机构 * Shenzhen Institute of Advanced Technology（深圳先进技术研究院） ； Pengcheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 医学影像 ：MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)；分类 cs.CV

AI总结 本研究提出MCSeg网络，通过新型SFP连接ViT编码器与CNN解码器，结合自监督预训练与RMI损失，在多模态心脏图像分割任务中优于11种SOTA方法，小样本场景也表现出色

Sense Once, Serve Many: Common-Trace Factorized Constrained PPO for Online Sensing-Session Consolidation in Multi-Tenant ISAC Networks

一次感知，多场景服务：面向多租户ISAC网络在线感知会话整合的公共轨迹分解式约束PPO算法

Dang-Dung Vu

专题命中 医学影像 ：CT(summary_cn,abstract)；分类 cs.LG

AI总结 针对多租户ISAC网络在线感知会话整合问题，提出CT-PPO算法，通过公共轨迹奖励信用等设计，提升回报、降低感知资源成本，在多负载场景下表现优于对比算法。

Comments 13 pages, 4 figures, 6 tables

Design of Experiment in Complex Systems based on Computational Taxonomy

基于计算分类学的复杂系统实验设计

Eric Goldman, Fushing Hsieh

专题命中 医学影像 ：CT(summary_cn,abstract)

AI总结 研究基于计算分类学（CT），以混凝土抗压强度系统为例，将实验设计（DoE）重新定义为寻找兼具类别代表性随机性且规避其余类别非线性的协变量子空间，为复杂系统DoE提供新视角。