Chitkara University

该工作提出稳定性约束信息论特征选择（SCITFS），把条件熵、归一化互信息最大化与惩罚自助样本间特征排序方差的稳定性项整合进一个形式化目标，并用带单调性保证的贪心前向选择实现 O(B n² m d⁴ + k n²) 的计算复杂度；在八个基准数据集、五种分类器（SVM、随机森林、k-NN、XGBoost、逻辑回归）上，SCITFS 优于信息增益、互信息、mRMR、ReliefF、Fisher Score 与 JMI，SVM 平均准确率提升 3.7%、随机森林提升 4.2%，并实现 92.3% 的特征缩减而保持性能；Friedman 检验（χ² = 127.4，p < 0.001）与带 Bonferroni 校正的 Wilcoxon 符号秩检

该工作提出稳定性约束信息论特征选择（SCITFS），把条件熵、归一化互信息最大化与惩罚自助样本间特征排序方差的稳定性项整合进一个形式化目标，并用带单调性保证的贪心前向选择实现 O(B n² m d⁴ + k n²) 的计算复杂度；在八个基准数据集、五种分类器（SVM、随机森林、k-NN、XGBoost、逻辑回归）上，SCITFS 优于信息增益、互信息、mRMR、ReliefF、Fisher Score 与 JMI，SVM 平均准确率提升 3.7%、随机森林提升 4.2%，并实现 92.3% 的特征缩减而保持性能；Friedman 检验（χ² = 127.4，p < 0.001）与带 Bonferroni 校正的 Wilcoxon 符号秩检

该研究提出 RSAUNet，一种在 U-Net 主干中融合残差卷积块、Swin Transformer 块与注意力机制的深度学习架构，用于 MRI 前列腺癌分割，并在公开 Kaggle 前列腺标注数据集上报告了 Dice 系数 0.998、Jaccard 指数（IoU）0.965 的训练与验证结果，同时通过消融实验比较了各组件逐项加入后的损失、准确率、Dice 与平均 IoU 变化。

该研究提出 RSAUNet，一种在 U-Net 主干中融合残差卷积块、Swin Transformer 块与注意力机制的深度学习架构，用于 MRI 前列腺癌分割，并在公开 Kaggle 前列腺标注数据集上报告了 Dice 系数 0.998、Jaccard 指数（IoU）0.965 的训练与验证结果，同时通过消融实验比较了各组件逐项加入后的损失、准确率、Dice 与平均 IoU 变化。