180 पेपर
यह शोध पत्र एक व्याख्यात्मक मल्टीमॉडल एआई फ्रेमवर्क प्रस्तावित करता है जो पोस्ट-सर्जिकल क्लिनिकल निर्णयों में सहायता के लिए सुपरवाइज्ड डीप लर्निंग को कंजर्वेटिव ऑफलाइन रीइन्फोर्समेंट लर्निंग के साथ एकीकृत करता है, और साथ ही सिंथेटिक डेटा प्रथाओं की आलोचना करता है तथा एक कठोर वास्तविक-डेटा पद्धति के माध्यम से सिस्टम की वास्तुकला को मान्य करता है।
यह पंजीकृत रिपोर्ट एक सुसज्जित आर्मचेयर से प्राप्त कैपेसिटिव ईसीजी (ECG) संकेतों के लिए एक आर्टिफैक्ट इंडेक्स प्रस्तुत करती है, जो पढ़ने और टीवी देखने की गतिविधियों के दौरान स्वच्छ और आर्टिफैक्ट खंडों के बीच प्रभावी ढंग से अंतर करने के लिए तीन सिग्नल क्वालिटी इंडेक्स के वोटिंग दृष्टिकोण का उपयोग करती है, जिससे अनसुपरवाइज्ड वास्तविक दुनिया के परिवेश में विश्वसनीय निरंतर स्वास्थ्य निगरानी सक्षम होती है।
यह शोध पत्र PolyCLIP-T को प्रस्तुत करता है, जो एक टोपोलॉजी-निर्देशित मल्टीमॉडल फ्रेमवर्क है जो पारिवारिक मल्टीमॉर्बिड विकारों (familial multimorbid disorders) में पॉलीजेनिक वेरिएंट्स के स्थिर क्लस्टर्स की पहचान करने के लिए होल-जीनोम सीक्वेंसिंग और पर्सिस्टेंट होमोलॉजी का लाभ उठाता है, जो प्रभावी रूप से नॉन-कोडिंग, स्ट्रक्चरल और लो-पेनेट्रेंस जेनेटिक ड्राइवर्स का पता लगाने में पारंपरिक नियम-आधारित पाइपलाइनों की सीमाओं को दूर करता है।
यह अध्ययन मानव और एआई-सहायता प्राप्त दृश्य निरीक्षण का उपयोग करके MIMIC-IV-WDB v0.1.0 डेटासेट में तीन फोटोप्लिथिस्मोग्राफी-व्युत्पन्न सूक्ष्म संवहनी प्रतिक्रिया संकेतों (microvascular reactivity signals) का मूल्यांकन करता है, जिसमें यह पाया गया कि दो संकेत अधिकांश मामलों में अपने इच्छित शरीर क्रिया विज्ञान (physiology) को पकड़ने में विफल रहे और तीसरा सेंसर प्लेसमेंट द्वारा सीमित था, जिससे डाउनस्ट्रीम मॉडलिंग से पहले प्रारंभिक कच्चे-डेटा सत्यापन की आवश्यकता पर प्रकाश पड़ता है।
यह शोध पत्र BodyMAE प्रस्तुत करता है, जो एक सतह-क्षेत्र जागरूक (surface-area aware) मास्कयुक्त ऑटोएन्कोडर है जो वसा और लीन मास जैसे शरीर की संरचना मेट्रिक्स का सटीक अनुमान लगाने के लिए मीट्रिक-स्केल 3D बॉडी स्कैन का लाभ उठाता है, जिससे नैदानिक DXA मापों के साथ उच्च सहसंबंध प्राप्त होता है और गैर-समान बिंदु घनत्व (nonuniform point density) एवं डिवाइस परिवर्तनशीलता जैसी चुनौतियों पर विजय प्राप्त होती है।
जीनोसॉल्वर (Genosolver) एक एकीकृत वर्कफ़्लो है जो अनस्ट्रक्चर्ड नैरेटिव्स से विस्तृत क्लिनिकल अंतर्दृष्टि निकालने के लिए लार्ज लैंग्वेज और रीजनिंग मॉडल्स का लाभ उठाता है, जो दुर्लभ रोग निदान दरों में उल्लेखनीय सुधार करता है और प्रभावी ढंग से कारण संबंधी जेनेटिक वेरिएंट्स को प्राथमिकता देकर एक्सोमिज़र (Exomiser) जैसे मौजूदा टूल्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र ओपन-सोर्स मेडिकल इमेजिंग सॉफ्टवेयर 3D Slicer को ब्राज़ीलियाई पुर्तगाली में स्थानीयकृत करने के लिए एक पद्धतिगत ढांचा प्रस्तुत करता है, जो लैटिन अमेरिका में गैर-अंग्रेजी भाषी उपयोगकर्ताओं के लिए सुलभता बढ़ाने हेतु विशिष्ट भाषाई और शब्दावली संबंधी चुनौतियों का समाधान करता है।
यह शोध पत्र K-NeSyNet का प्रस्ताव करता है, जो एक नवीन ज्ञान-संचालित न्यूरो-सिम्बोलिक ढांचा है जो सटीक, सुरक्षित और व्याख्या योग्य व्यक्तिगत कैंसर उपचार अनुशंसाएं प्रदान करने के लिए एक मल्टी-मोडल ऑन्कोलॉजी नॉलेज ग्राफ को एक डिफरेंशिएबल थ्री-चैनल सिम्बोलिक रीजनिंग मैकेनिज्म और एडेप्टिव न्यूरल फ्यूजन के साथ एकीकृत करता है।
यह शोध पत्र अनुभवजन्य रूप से यह प्रदर्शित करता है कि बायोमेडिकल नॉलेज ग्राफ एकीकरण के लिए केवल आइडेंटिफायर मिलान (identifier matching) पर निर्भर रहना अपर्याप्त है, जो यह प्रकट करता है कि जबकि क्रॉस-ऑन्टोलॉजी और एम्बेडिंग-आधारित विधियाँ कवरेज को बढ़ाती हैं, वे व्यवस्थित रूप से ओवर-मर्जिंग (over-merging) और सिमेंटिक कोलैप्स (semantic collapse) जैसे नैदानिक रूप से महत्वपूर्ण विफलता मोड पेश करती हैं जो डाउनस्ट्रीम अनुप्रयोगों में महत्वपूर्ण अंतरों को अस्पष्ट कर देते हैं।
यह शोध पत्र एक एक्सप्लोरेटरी एआई रिकमेंडर (Exploratory AI Recommender) प्रस्तुत करता है जो फीचर चयन, गैर-रेखीय पदों (non-linear terms) और इंटरैक्शन के लिए डेटा-संचालित सिफारिशें उत्पन्न करने के लिए व्याख्यात्मक एआई (explainable AI) का लाभ उठाता है, जिससे कॉक्स प्रोपोर्शनल हैजार्ड्स (Cox Proportional Hazards) मॉडल जैसे उच्च-आयामी नैदानिक मॉडलों के पूर्वानुमान प्रदर्शन और व्याख्यात्मकता को महत्वपूर्ण रूप से बढ़ाया जा सकता है।