2305 artículos
Este artículo presenta InterGRACE, un marco adversario integrado guiado por gradientes que genera explicaciones contrafácticas clínicamente significativas para ECG de 12 derivaciones al dirigirse a características relevantes para la decisión como el segmento ST y la onda T, mejorando así la interpretabilidad de los modelos de IA para la detección del infarto de miocardio.
Este estudio demuestra que los modelos de aprendizaje automático conscientes de la equidad, específicamente aquellos que emplean técnicas de mitigación de sesgos como el Eliminador de Impacto Dispar y el debiasing adversarial, pueden reducir significamente las disparidades relacionadas con el sexo en la clasificación de la enfermedad de Alzheimer utilizando datos de ADNI, manteniendo al mismo tiempo una alta precisión predictiva y mejorando la interpretabilidad de los determinantes clínicos y de género.
Este artículo presenta un flujo de trabajo de evaluación automatizado y con control de contaminación que genera preguntas de opción múltiple a partir de informes privados de radiología e imágenes oncológicas 3D para evaluar rigurosamente los modelos de lenguaje-visión, revelando que los modelos actuales a menudo dependen de pistas textuales o de la familiaridad con el conjunto de datos en lugar de una percepción visual genuina.
Este artículo presenta DualAttentionNet, un marco de aprendizaje profundo ligero que mejora al EEGNet tradicional mediante la incorporación de bloques de doble canal de atención para lograr una precisión de vanguardia del 92,36% en la decodificación de dígitos de EEG multiclase, garantizando al mismo tiempo robustez, interpretabilidad y eficiencia computacional.
Este artículo presenta una revisión sistemática de la literatura (2020–2025) sobre sistemas de detección de malware en Android basados en IA, analizando sus vulnerabilidades ante ataques adversarios, evaluando las estrategias de defensa existentes e identificando brechas críticas y direcciones de investigación futuras para lograr una seguridad robusta y confiable.
LC-MSCKF mejora la precisión de la odometría visual-inercial mediante el empleo de una estrategia híbrida de calibración de incertidumbre de dos etapas que combina una rama aprendida ligera para anticipar la degradación con una rama de retroalimentación de innovación para una inflación correctiva acotada, superando significativamente a las líneas base adaptativas de rama única y fijas a través de diversos bancos de pruebas.
Este estudio demuestra que el análisis de lenguaje automatizado de entrevistas clínicas mediante modelos basados en transformadores y estrategias de ensamble puede detectar eficazmente el trastorno depresivo mayor en hablantes de cantonés, mejorando significativamente la eficiencia del procesamiento al tiempo que destaca la importancia de la calidad de la transcripción y el contexto conversacional para un rendimiento óptimo.
Este artículo presenta GMD-YOLO26, un detector ligero basado en UAV que emplea un flujo de trabajo sinérgico de tres etapas que comprende la Mejora de Características por Convolución de Puerta, la Atención Dilatada Multiescala y la Agregación de Características de Escala Cruzada Dinámica para abordar eficazmente los desafíos de la detección de objetos pequeños mientras logra un equilibrio favorable entre precisión y eficiencia en el benchmark VisDrone2019.
Este artículo presenta un sistema de modelo de lenguaje de 4B basado en la destilación de conocimiento y desplegable localmente que automatiza eficazmente el control de calidad estandarizado de los informes radiológicos chinos, logrando una alta precisión y una velocidad de inferencia significativamente mejorada en comparación con modelos maestros más grandes.
Este artículo propone un marco de validez de constructo que conceptualiza la IA ética como un constructo de orden superior y dependiente del contexto que comprende la equidad, la transparencia y la explicabilidad, ofreciendo una vía teóricamente fundamentada para desarrollar estándares de medición auditables para el cumplimiento regulatorio y la investigación empírica.