💻 Category

cs

2456 Arbeiten

💻 computer science

 A Unified Deep Learning Cascade for Retinal Disease Detection  and Diabetic Retinopathy Severity Grading

Dieses Paper schlägt eine einheitliche zweistufige Deep-Learning-Kaskade vor, die ein EfficientNetV2-S-Modell mit asymmetrischem Verlust nutzt, um 28 Netzhauterkrankungen aus dem RFMiD-Datensatz zu detektieren, und anschließend ein Platt-kalibriertes, unsicherheitbewusstes Gate verwendet, um auf diabetische Retinopathie positive Fälle an eine zweite Stufe zur ordinalen Schweregradbestimmung auf dem APTOS-2019-Datensatz weiterzuleiten, wobei eine hohe Leistung erzielt wird, während gleichzeitig die signifikante Verschlechterung der Erkennungsgenauigkeit durch das gleichzeitige Auftreten mehrerer Krankheiten adressiert wird.

Arzav Saikia, Biswajit Tamuli, Bitopan Das, Manjeet Sarmah, Nomi Baruah, Surajit Dutta2026-06-29
💻 computer science

Embodied brain-cerebellum federated learning for satellite-assisted low-altitude wireless networks

Das Papier schlägt EBC-FL vor, ein durch den Körper integriertes Gehirn-Kleinhirn-Federated-Learning-Framework für satellitengestützte Low-Altitude-Wireless-Netzwerke, das den Kompromiss zwischen sicherheitskritischer Zuverlässigkeit, semantischem Bewusstsein und Upload-Volumen optimiert, indem es bodengestütztes semantisches Gedächtnis, MEO-Satellitenkoordination und leichtgewichtige lokale Richtlinien integriert.

Yi Jing, Chunxiao Jiang, Jiawei Wang, Jiachen Sun2026-06-29
💻 computer science

PhenoAgent: agentic LLM framework for phenotyping electronic health records via structured query decomposition and self-correction

PhenoAgent ist ein datenschutzwahrendes, agentisches LLM-Framework, das strukturierte Abfragezerlegung, Selbstkorrektur und Multi-Modell-Konsens nutzt, um klinische Phänotypen präzise aus Freitext-elektronischen Patientenakten zu extrahieren, wobei es traditionelle Baselines signifikant übertrifft und die Leistung von Ärzten auf japanischen Krankenhausdatensätzen erreicht.

Yuki Kashiwada, Rieko Sakurai, Yuta Yokokawa, Kenichiro Ando, Chinatsu Gocho, Chiaki Murata, Kosuke Tohda, Maki Tanioka (…)2026-06-28
💻 computer science

Artificial Intelligence in Surgical Qualitative Research: A Comparison of Human and AI-Assisted Thematic Analysis

Diese Studie vergleicht die menschliche und die KI-gestützte thematische Analyse in der qualitativen chirurgischen Forschung und stellt fest, dass beide Methoden zwar ähnliche übergeordnete Themen identifizieren, von Menschen erstellte Codebücher jedoch eine höhere Intercoder-Reliabilität aufgrund klarerer thematischer Abgrenzungen aufweisen, was darauf hindeutet, dass ein hybrider Ansatz, der die Effizienz der KI mit menschlicher Verfeinerung kombiniert, optimal sein könnte.

Bonnie E Laingen, Wesley H Iobst, Jarrett Dobbins, Jacob W Johnson, Gabriel E Cambronero, Lucas P Neff, Maggie E Bosley2026-06-28
💻 computer science

A Modality-Missing Robust Representation Network for Multi-Sequence Brain MRI Using the Public IXI Dataset

Dieses Paper schlägt das Modality-Missing Robust Representation Network (MMR-Net) vor, ein auf dem öffentlichen IXI-Datensatz trainiertes Deep-Learning-Framework, das modalitätsspezifische Encoder, einen gemeinsamen latenten Raum und eine Modality-Dropout-Strategie nutzt, um trotz fehlender Bildsequenzen eine robuste Leistung bei Aufgaben der Hirn-MRT-Altersregression und der Geschlechtsklassifizierung aufrechtzuerhalten.

Tian He, Ximei Xie2026-06-28
💻 computer science

A Multi-Model Artificial Intelligence Framework for Knowledge Extraction from Patient Drug Reviews

Diese Studie entwickelt und evaluiert ein interpretierbares, Multi-Modell-NLP-Framework, das unerwünschte Arzneimittelwirkungen effektiv erkennt und die Wirksamkeit von Behandlungen aus groß angelegten Patientenbewertungen bewertet, wobei sie zeigt, dass traditionelle Ansätze des maschinellen Lernens der Transformer-basierten Zero-Shot-Klassifizierung in diesem Bereich überlegen sind.

Patrick O. Akinwumi, Meihua Qian, Oyinkansola A. Babatope, Taiwo A. Olorunsogbon2026-06-28
💻 computer science

Performance evaluation and benchmarking across 16 large language models on a comprehensive real-world emergency department triage data set

Diese Studie benchmarkt 16 große Sprachmodelle anhand von realen Notaufnahme-Triage-Daten und stellt fest, dass strukturierte Prompting-Verfahren zwar eine erhebliche Übereinstimmung mit Pflegepersonal bei der Schweregradklassifizierung erreichen können, die meisten Modelle jedoch eine begrenzte Genauigkeit, eine mangelhafte Sektorenbestimmung, systematische Überkonfidenz und ein nicht-deterministisches Verhalten aufweisen, was darauf hindeutet, dass sie ohne weitere Validierung und Verbesserungen noch nicht bereit für den klinischen Einsatz sind.

Leo Benning, Anja Hirsch, Matthias Gröschel, Tobias Röschl, Martin Spott, Felix Patricius Hans, Tim Urban, Hans-Jörg Bus (…)2026-06-28
💻 computer science

Development and Assessment of an Accessible AI-Powered Tool for Manuscript Evaluation Through Iterative Optimization in Plastic Surgery Research ​

Diese Studie zeigt, dass ein iterativ optimiertes, zugängliches KI-Tool, das Meta-Prompting und domänenspezifische Richtlinien nutzt, sowohl Basis-KI-Modelle als auch menschliche Peer-Reviews bei der Bereitstellung von strukturiertem, hochwertigem Feedback für plastisch-chirurgische Manuskripte signifikant übertrifft und somit eine skalierbare Lösung zur Unterstützung von Forschern in ressourcenarmen Umgebungen bietet.

Raunak Goyal, Joey Liang, Mihir S Kulkarni, Philong Nguyen, Srinithya Gillipelli, Ashit Patel2026-06-28
💻 computer science

FusionAttNet Framework for Hierarchical Attention Driven Sentinel 1 and Sentinel 2 Fusion for Semi Arid Land Cover Classification in Far North Cameroon

Diese Studie stellt FusionAttNet vor, ein neuartiges Deep-Learning-Framework, das Sentinel-1 SAR- und Sentinel-2-Optikdaten durch einen modalitätsbewussten hierarchischen Attention-Mechanismus integriert, um eine Genauigkeit von 96,75 % bei der Klassifizierung der semiariden Landbedeckung im äußersten Norden Kameruns zu erreichen, wobei herkömmliche Fusionsmethoden durch die effektive Adressierung von spektraler Homogenität, Wolkenbedeckung und saisonaler Variabilität signifikant übertroffen werden.

Pountianus Berinyuy Wirba, Mvogo Ngono, Noumsi Woguia Auguste Vigny, Emile Tatinyuy Verdzekov, ELE Pierre2026-06-28
💻 computer science

Training Versus Hiring in Security Operations Centers: Agent-Based and Reinforcement Learning Simulations of Training Duration Effects on CyberTeam Performance

Diese Studie nutzt agentenbasierte Modellierung und bestärkendes Lernen, um zu demonstrieren, dass die Trainingsdauer in Security Operations Centers nichtlineare Leistungssteigerungen bewirkt, wobei die optimale Investition zwischen 500 und 1.000 Episoden liegt und hochgradig geschulte Teams Effizienzvorteile erzielen, die der Rekrutierung von 20–25 zusätzlichen Mitarbeitern entsprechen.

Max N. Yaw, Ferdinand Kpieleh, Aos Mulahuwaish, Basheer Qolomany, Jacques Bou Abdo2026-06-27