12840 ورقة بحثية
يقدم نموذج (UNIStainNet) إطار عمل للصبغ الافتراضي موجهاً بنموذج تأسيسي، يستفيد من الرموز الدلالية (semantic tokens) المستخرجة من نموذج باثولوجي مجمد لتمكين شبكة موحدة واحدة من ترجمة صور صبغة الهيماتوكسيلين والإيوسين (H&E) بدقة إلى صبغات مناعية كيميائية نسيجية (IHC) متعددة بأداء يضاهي أحدث ما توصل إليه العلم.
تقدم الورقة البحثية إطار عمل MoKus، وهو إطار عمل مبتكر يستفيد من نقل المعرفة عبر الوسائط لمعالجة قيود ربط الرموز النادرة في تخصيص المفاهيم من خلال دمج المعرفة النصية المتنوعة مع المفاهيم البصرية بفعالية، مصحوباً بمعيار التقييم الجديد KnowCusBench للتقييم.
يُعد Cheers نموذجاً موحداً متعدد الوسائط يعمل على فصل التفاصيل على مستوى الرقعة عن التمثيلات الدلالية عبر مشفر رؤية (vision tokenizer)، ومحول موحد (unified Transformer)، ورأس مطابقة تدفق متتالي (cascaded flow matching head)، محققاً أداءً هو الأفضل في فئته في كل من الفهم البصري والتوليد مع تحسين كبير في ضغط الرموز وكفاءة التدريب.
تقترح الورقة البحثية Residual SODAP، وهو إطار عمل للتعلم المستمر لسيناريوهات الزيادة النطاقية، يجمع بين اختيار المطالبات المتناثرة، وتجميع المتبقي، والتقطير الخالي من البيانات لتحقيق أداء رائد مع التخفيف من النسيان الكارثي دون الحاجة إلى معرفات للمهام أو بيانات مخزنة.
يقدم NanoVDR إطار عمل عالي الكفاءة لاسترجاع المستندات المرئية يقوم بتقطير نموذج معلم لغوي بصري مكون من 2 مليار معلمة إلى نموذج طالب مدمج نصي فقط مكون من 70 مليون معلمة، وذلك عبر الاستف అనే من عدم تماثل الاستعلام والمستند، والمحاذاة الجيبية النقطية، وتعزيز البيانات المترجمة آلياً لتحقيق أداء يقارب أداء النموذج المعلم مع تقليل عدد المعلمات وزمن الاستجابة بشكل كبير.
إنَّ TRACE هو إطار عمل للعلامات المائية للمستندات مدرك للبنية يستفيد من نماذج الانتشار لدمج البيانات من خلال ترميز الحروف الموضعي، محققاً متانة فائقة، وقدرة على التعميم عبر اللغات والخطوط، ومكاسب أداء كبيرة مقارنة بالأساليب الرائدة حالياً.
تقدم هذه الورقة بروتوكولاً من ثلاث خطوات لتقييم متانة نماذج علم الأمراض الحسابي تجاه تباينات صبغة الهيماتوكسيلين والإيوسين (H&E)، وتثبت من خلال تحليل لـ 306 نموذجاً لتصنيف عدم استقرار الساتل الدقيق أن هذا الإطار يحدد بفعالية تحولات الأداء ويدعم اختيار النماذج الموثوقة للنشر السريري.
توسع هذه الورقة البحثية طريقة تعزيز أولوية ديريكليه (DirPA) لتشمل دولاً متعددة في الاتحاد الأوروبي، مما يثبت فعاليتها في معالجة انزياح الأولوية وتحسين متانة النموذج وأداء الفئات النوعية لتصنيف أنواع المحاصيل في حالات التعلم من عينات قليلة غير متوازنة عبر بيئات زراعية متنوعة.
تقدم هذه الورقة SGMatch، وهو إطار عمل قائم على التعلم يعزز مطابقة الأشكال ثلاثية الأبعاد غير الصلبة تحت ظروف التشوه الصعبة من خلال دمج الميزات الدلالية من نماذج الرؤية التأسيسية عبر آلية انتباه متبادل محلي وفرض النعومة المكانية من خلال تنظيم مطابقة التدفق الشرطي.
تُظهر هذه الدراسة أن الدمج الاستراتيجي لأدوات التعلم العميق مثل SynthStrip وSynthSeg في مسار عمل SIENA الراسخ يعزز بشكل كبير من دقة ومتانة وكفاءة تقدير ضمور الدماغ من خلال معالجة أكثر خطوات معالجة الصور عرضة للاختراق مع الحفاظ على قابلية التفسير الخاصة بالإطار العملي.