AAAI

OvAi Focus: AI-based Multi-class Segmentation of Functional Ovaries and Adnexal Masses in Gynecological Ultrasound

OvAi Focus：基于人工智能的妇科超声中功能性卵巢和附件包块的多类别分割

Niccolò Tallone, Francesca Salis, Pio Raffaele Fina, Roberta Massobrio, Rosilari Bellacosa Marotti, Daniele Conti, Luca Fuso, Luca Mariani, Annamaria Ferrero, Alessandro Arena, Stefano Cosma, Dan Grisaru, Angelo Lacalandra, Renato Seracchioli, Marianna Roccio, Federica Gerace

机构 * Academic Division of Gynecology and Obstetrics, University of Turin（妇科与产科学术部，都灵大学） ； Obstetric and Gynecology Unit, Ospedale Sant'Anna, Department of Surgical Sciences, University of Turin（妇产科单元，圣安娜医院，外科科学系，都灵大学） ； Tel Aviv Sourasky Medical Center, Tel Aviv, Israel（特拉维夫 Sourasky 医疗中心，特拉维夫，以色列） 纠错

AI总结 针对卵巢癌这一致命妇科恶性肿瘤，OvAi Focus软件可对妇科超声中的功能性卵巢和附件包块进行多类别语义分割，通过多中心数据集训练和验证，其分割DICE分数表现良好，优于同类先进方法。

Comments Accepted for presentation at Ital-IA 2026 (6th CINI National Conference on Artificial Intelligence) in Rome, Italy. To be published in the CEUR-WS proceedings

CRISP: Constrained Refinement via Iterative Squeezing Process for Robust Medical Image Segmentation under Domain Shift

CRISP：通过迭代挤压过程进行约束细化，以实现域转移下的稳健医学图像分割

Yizhou Fang, Pujin Cheng, Yixiang Liu, Xiaoying Tang, Longxi Zhou

AI总结 针对医学成像域转移问题，提出CRISP模型无关框架，利用“正区域的秩稳定性”假设，通过潜在特征扰动获取双先验并递归细化，经迭代训练框架提升分割精度，在多中心实验中显著优于现有方法。

Comments X pages, 3 figures, 3 tables; submitted to AAAI 2027

CausalGraphX: A Counterfactual Graph Neural Network Framework for Explainable Systemic Risk Assessment

因果图X：用于可解释系统性风险评估的反事实图神经网络框架

Rabimba Karanjai, Hemanth Madhavarao, Lei Xu, Weidong Shi

机构 * University of Houston（休斯顿大学） ； Kent State University（肯特州立大学） ； PayPal Inc.（贝宝公司） 纠错

AI总结 针对传统风险模型无法捕捉金融网络复杂动态及图神经网络缺乏因果解释的问题，提出因果图X框架，结合图神经网络与反事实推理，能有效评估系统性风险并提供可解释的反事实解释，优于传统和深度学习基线。

Comments Accepted in AAAI'26 Workshop, Agentic AI in Financial Services