13317 ورقة بحثية
تقدم هذه الورقة MedicalNarratives، وهي مجموعة بيانات واسعة النطاق تضم 4.7 مليون زوج من الصور والنصوص الطبية المستمدة من فيديوهات تعليمية على يوتيوب تتميز بآثار مؤشر الفأرة الموضعية للتمركز الزمكاني، والتي تُستخدم لتدريب نموذج GenMedClip الذي يحقق أداءً هو الأفضل في حالته عبر 12 مجالاً طبياً.
تجادل هذه الورقة بأن تحقيق نماذج طبية تأسيسية عادلة يتطلب نهجاً شاملاً للتخفيف من حدة التحيز يمتد عبر كامل مراحل خط الإنتاج — بدءاً من توثيق البيانات، ومروراً بتطوير النماذج، وصولاً إلى بروتوكولات النشر — بدلاً من الاعتماد فقط على الإصلاحات على مستوى النموذج، مما يجسّر الفجوة بين الابتكار التقني والمبادئ الأخلاقية لتعميم الرعاية الصحية للفئات السكانية المحرومة.
تقترح هذه الورقة نظاماً جديداً للتعلم العميق يدمج بين شبكة عصبية تلافيفية مخصصة ومحول رؤية عبر وحدة انتباه متقاطع لتعزيز الكشف المبكر عن الجلوكوما على مجموعتي بيانات ACRIMA وDrishti، محققاً أداءً فائقاً مقارنة بالنماذج المستقلة مع استخدام تقنية Grad-CAM لضمان القابلية للتفسير السريري.
تقترح هذه الورقة إطار عمل مبتكرًا للحفاظ على الخصوصية للمركبات المتصلة والمستقلة يستخدم التعلم التعزيزي الهرمي ونماذج الرؤية واللغة لتحويل البيانات المرئية الحساسة إلى أوصاف نصية دقيقة، مما يحمي الخصوصية الفردية مع الحفاظ على دلالات المشهد والتفوق على الأساليب الحالية في كل من الدقة الدلالية ومقاييس الخصوصية.
تقدم هذه الورقة نظام SlumpGuard، وهو نظام رؤية مدعوم بالذكاء الاصطناعي يعمل على أتمتة التنبؤ بهبوط الخرسانة في الوقت الفعلي من خلال تحليل فيديوهات تفريغ شاحنات الخلاطات، متجاوزاً بذلك قيود الاختبار اليدوي المعتمد على المشغل عبر نهج خالٍ من المستشعرات تم التحقق من صحته بواسطة مجموعة بيانات واسعة النطاق وتقييم الخبراء.
تقارن هذه الورقة بين أربعة تمثيلات للصور الكمومية، حيث وجدت أن تمثيلي FRQI وQPIE يقدمان ضغطاً فائقاً، وتوضح أن النوى الكمومية القائمة على هذه التمثيلات تحقق دقة تصنيف مماثلة للطرق الكلاسيكية مع تطلب موارد تخزين أقل بشكل أسي.
تقترح الورقة البحثية التحكم العالمي قليل العينات (UFC)، وهو مُكيِّف متعدد الاستخدامات يُمكِّن نماذج الانتشار سابقة التدريب من التعميم على مهام التكييف المكاني الجديدة بأداء عالٍ باستخدام أمثلة معدلة قليلة فقط، مما يتغلب على قيود القدرة على التكيف وتكلفة التدريب للمنهجيات الحالية.
تقدم هذه الورقة BARL، وهو إطار عمل موحد شبه مُشرف لتجزئة الصور الطبية الحجمية يعمل على تعزيز الأداء من خلال فرض محاذاة ثنائية في كل من فضاءات التمثيل والملصقات عبر مكونات مبتكرة مثل التنظيم ثنائي المسار وتصحيح الانحياز المعرفي التدريجي.
تقدم هذه الورقة طريقة استقصاء قائمة على معالجة الإشارات لتحديد وتصنيف رؤوس الانتباه المتخصصة في نماذج المحولات متعددة الوسائط، مما يثبت أن تعديل ما لا يزيد عن 1% من هذه الرؤوس يمكن أن يتحكم بفعالية في مفاهيم دلالية أو بصرية محددة في مخرجات النموذج.
تقترح هذه الدراسة إطار عمل للتعلم العميق تحت الإشراف الضعيف يستفيد من التصنيفات على مستوى الصورة وتقنية Grad-CAM لتحقيق تصنيف عالي الدقة للالتهاب الرئوي وتوليد خرائط حرارية للتحديد ذات دلالة سريرية من صور الأشعة السينية للصدر دون الحاجة إلى تعليقات توضيحية مكلفة على مستوى البكسل.