University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

AnaDiffusion: Anatomically CompositionalLatent Diffusion for Controllable 3D Brain MRI Generation

AnaDiffusion：用于可控3D脑部MRI生成的解剖学组成式潜在扩散模型

Huiwen Han, Lulin Liu, Bangya Liu, Yuanhao Cai, Nuo Chen, Xiaoqing Wang, Ziqian Xie, Chenyu You, Shuiwang Ji, Degui Zhi, Zhiwen Fan

机构 * Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； University of Minnesota（明尼苏达大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； UTHealth Houston（休斯顿健康科学中心） ； Stony Brook University（纽约州立大学石溪分校） 纠错

AI总结 AnaDiffusion是一种解剖学组成式潜在扩散框架，通过分解3D脑部MRI生成为解剖区域并组装细化，在ADNI测试集上实现低FID与高Cohen's d值，支持无需密集分割图的可控部分编辑。

Quantifying geographic domain shift to decouple the geospatial transferability of human mobility flow generation models

量化地理域偏移以解耦人类流动生成模型的地理空间可迁移性

Zhiyong Zhou, Song Gao, Qianheng Zhang, Feng Zhang, Zhenhong Du

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Zhejiang University（浙江大学） 纠错

AI总结 该研究利用美国2265个县的通勤流动数据集，提出地理域偏移概念及两个量化指标，结合回归分析揭示人类流动模型可迁移性受地理差异与模型设计共同影响，为评估改进模型可迁移性提供新框架。

Comments 28 pages, 4 figures