💻 computer science

Melanoma Prediction Using a Deep Convolutional Neural Network (CNN) Model

Diese Studie präsentiert eine umfassende bibliometrische und systematische Übersicht über die Forschung zur Melanomerkennung auf Basis von Deep Learning aus den Jahren 2015 bis 2026, wobei sie zentrale Trends bei CNN-Architekturen und Transfer Learning hervorhebt und gleichzeitig kritische Herausforderungen wie Datensatz-Imbalancen und klinische Validierung identifiziert, um die zukünftige Entwicklung zuverlässiger Diagnosesysteme zu leiten.

Kazi Abdul Mannan, Md. Mohsin Hossain Sifat2026-07-30
💻 computer science

Confidence-Gated Multimodal Fusion with Speech-Guided Captioning for Depression Detection

Dieses Paper stellt ein konfidenzgesteuertes multimodales Framework vor, das Text-Embeddings, akustische Merkmale und sprachgestützte Emotionskapitälchen integriert, um die Zuverlässigkeit der Modalitäten dynamisch zu gewichten, wodurch eine State-of-the-Art-Leistung bei der Depressionserkennung unter Berücksichtigung von Evaluation-Leakage durch rigorose verschachtelte Kreuzvalidierung erzielt wird.

Ankit Kumar, Rohan Thapa, Shahid Shafi Dar, Nagendra Kumar2026-07-30
💻 computer science

State Authenticity under Multiple Bus Masters: A Non-Secure DMA Gap and Mitigation for TrustZone-M Proofs of Executio

Diese Arbeit zeigt auf, dass TrustZone-M Proofs of Execution durch nicht-sichere DMA-Controller anfällig für State-Tampering sind, da ihre Sicherheitsgarantien ausschließlich auf CPU-Isolierung beruhen, und schlägt eine leichtgewichtige Entschärfung mittels pro-Kanal-DMA-Sicherheit vor, um die Zustandsauthentizität gegenüber allen Bus-Master zu gewährleisten.

Arash Razban2026-07-30
💻 computer science

Does Model Compression Amplify Clinical Bias? A Subgroup Fairness Audit of Quantized ICU Risk Models on MIMIC-IV

Diese Studie untersucht die Auswirkungen von Modellkompressionstechniken auf die Subgruppen-Fairness bei der Risiko-Vorhersage für akutes Nierenversagen (AKI) auf der Intensivstation unter Verwendung von MIMIC-IV und zeigt auf, dass während naive Quantisierung die Leistung katastrophal verschlechtern kann und Pruning die Genauigkeit der Subgruppen erheblich beeinträchtigt, angemessene methodische Kontrollen essenziell sind, um Schein-Fairness-Behauptungen zu vermeiden und inhärente Disparitäten, die durch kleine Subgruppengrößen getrieben werden, zu adressieren.

Aman Chandra H, Stuti Shivhare2026-07-30
💻 computer science

Graph-Based Polypharmacy Risk Networks for Adverse Event Prediction in ICU Patients: A MIMIC-IV Analysis

Diese Studie nutzt MIMIC-IV-Daten, um zu zeigen, dass Standard-Tabellenmodelle bei der Vorhersage von akuter Nierenschädigung und Blutungen häufig graphbasierte Ansätze übertreffen, während Graph-Embeddings, die aus Arzneimittel-Koadministrations-Netzwerken abgeleitet wurden, statistisch signifikante, interpretierbare Verbesserungen bei der Vorhersage des Delirium-Risikos liefern, wenn Label-Leakage rigoros korrigiert wird.

Aman Chandra H, Stuti Shivhare2026-07-30
💻 computer science

Can linguistic complexity predict machine translation quality?- a corpus-based study of complexity-quality nexus in philosophical texts

Diese korpusbasierte Studie zeigt, dass ein Regressionsmodell, das sowohl lexikalische als auch syntaktische Komplexitätsmetriken integriert, die Qualität der maschinellen Übersetzung in deutsch-chinesischen philosophischen Texten effektiv vorhersagt, was die entscheidende Rolle ganzheitlicher linguistischer Merkmale bei der Bewertung von Übersetzungsergebnissen hervorhebt.

Lingxi FAN, Andrew Cheung, Yuchi Li, Shuangzhi Li, Wei Liu2026-07-30
💻 computer science

Language-Guided Semantic Navigation with Monocular SLAM and Vision-Language Models

Dieses Paper präsentiert ein leichtgewichtiges, modulares Framework, das monokulares Dense-SLAM (MASt3R-SLAM) mit Vision-Language-Modellen (Gemma 3 und Qwen2.5-VL) integriert, um eine robuste, Open-Vocabulary-semantische Navigation in Innenräumen ausschließlich mittels RGB-Input zu ermöglichen, ohne Tiefesensoren oder Modell-Feintuning zu erfordern.

Rong-Syuan Wu, Wei Sun, Mei-Yung Chen2026-07-30
💻 computer science

Explanation-Surface Governance in XAI-Enabled Network Intrusion Detection under Resource Constraints

Dieses Paper stellt XAI-Gate vor, ein neuartiges, detektor-agnostisches Governance-Framework, das dynamisch Erklärungsmaßnahmen auswählt, um die Paket-Quality-of-Service, die Interpretierbarkeit für den Operator und die Informationsexposition unter Ressourcenbeschränkungen in Einklang zu bringen, wobei signifikante Reduktionen der Erklärungs-Schulden (Explanation Debt) und null Budgetverletzungen ohne die Notwendigkeit eines Classifier-Re-Trainings erreicht werden.

Tran Duc Le, Truong Duy Dinh, Phuc Hao Do, Van Dai Pham2026-07-30
💻 computer science

Omnilingual ASR: Open-Source Multilingual Speech Recognition for 1600+ Languages

Dieses Paper stellt Omnilingual ASR vor, eine skalierbare Open-Source-Familie von Spracherkennungsmodellen, die eine selbstüberwachte Architektur mit 7 Milliarden Parametern und einen massiven, diversen Trainingskorpus nutzt, um über 1.660 Sprachen zu unterstützen, einschließlich mehr als 500 bisher nicht bedienten, während sie Gemeinschaften in die Lage versetzt, das System mit minimalen Daten leicht an neue Sprachen anzupassen.

Marta Costa-jussa, Omnilingual Team, Gil Keren, Artyom kozhevnikov, Yen Meng, Christophe Ropers, Matthew Setzler, Skyler (…)2026-07-30
💻 computer science

UDAQ: Unified Dynamic and Adaptive Q-iteration for Unknown Environment Path Planning and Exploration

Dieses Paper stellt UDAQ vor, ein vereinheitlichtes, belohnungsgesteuertes Q-Iterations-Framework, das sich autonom an dynamisch evolvierende Zustandsräume anpasst, um gleichzeitig sowohl die Punkt-zu-Punkt-Pfadplanung als auch die effiziente Exploration der Umgebung zu optimieren, wobei es konventionelle Planer und Explorationsstrategien in unbekannten Umgebungen ohne vorherige Kartenkenntnis signifikant übertrifft.

Nasr Abdalmanan, Kamarulzaman Kamarudin, Muqri Zinal, Mohd Rizal Manan, Victor Bennetts2026-07-30