2305 articoli
Questo articolo introduce InterGRACE, un framework avversario integrato guidato dai gradienti che genera spiegazioni controfattuali clinicamente significative per ECG a 12 derivazioni prendendo di mira caratteristiche rilevanti per la decisione come il segmento ST e l'onda T, migliorando così l'interpretabilità dei modelli di IA per la rilevazione dell'infarto del miocardio.
Questo studio dimostra che i modelli di apprendimento automatico attenti all'equità, specificamente quelli che impiegano tecniche di mitigazione del bias come il Disparate Impact Remover e l'adversarial debiasing, possono ridurre significativamente le disparità legate al sesso nella classificazione della malattia di Alzheimer utilizzando i dati ADNI, mantenendo al contempo un'elevata accuratezza predittiva e migliorando l'interpretabilità dei determinanti clinici e legati al genere.
Questo articolo introduce una pipeline di benchmarking automatizzata e a controllo di contaminazione che genera domande a scelta multipla da privati referti di radiologia e imaging oncologico 3D per valutare rigorosamente i modelli Vision-Language, rivelando che gli attuali modelli spesso si affidano a indizi testuali o alla familiarità del dataset piuttosto che a una genuina percezione visiva.
Questo articolo introduce DualAttentionNet, un framework di deep learning leggero che potenzia l'EEGNet tradizionale incorporando blocchi di doppia attenzione a canale per raggiungere un'accuratezza allo stato dell'arte del 92,36% nella decodifica di cifre EEG multi-classe, garantendo al contempo robustezza, interpretabilità ed efficienza computazionale.
Questo articolo presenta una revisione sistematica della letteratura (2020–2025) sui sistemi di rilevamento del malware per Android basati sull'IA, analizzando le loro vulnerabilità agli attacchi avversari, valutando le strategie di difesa esistenti e identificando lacune critiche e direzioni di ricerca future per raggiungere una sicurezza robusta e affidabile.
LC-MSCKF migliora l'accuratezza della Visual-Inertial Odometry impiegando una strategia di calibrazione dell'incertezza ibrida a due stadi che combina un ramo appreso leggero per anticipare il degrado con un ramo di feedback dell'innovazione per un'inflazione correttiva limitata, superando significativamente i baseline adattivi a ramo singolo e a valore fisso attraverso diversi benchmark.
Questo studio dimostra che l'analisi linguistica automatizzata dei colloqui clinici, utilizzando modelli basati su transformer e strategie di ensemble, può rilevare efficacemente il disturbo depressivo maggiore nei parlanti del cantonese, migliorando significativamente l'efficienza di elaborazione e sottolineando l'importanza della qualità della trascrizione e del contesto conversazionale per prestazioni ottimali.
Questo articolo presenta GMD-YOLO26, un rilevatore leggero basato su UAV che impiega una pipeline sinergica a tre stadi comprendente il Miglioramento delle Caratteristiche con Convoluzione Gated, l'Attenzione Dilatata Multi-scala e l'Aggregazione Dinamica delle Caratteristiche Cross-scala per affrontare efficacemente le sfide del rilevamento di piccoli oggetti, ottenendo al contempo un favorevole equilibrio tra accuratezza ed efficienza sul benchmark VisDrone2019.
Questo articolo presenta un sistema di modello linguistico da 4B basato sulla distillazione della conoscenza e distribuibile localmente che automatizza efficacemente il controllo qualità standardizzato dei referti radiologici cinesi, ottenendo un'elevata precisione e una velocità di inferenza significativamente migliorata rispetto ai modelli teacher più grandi.
Questo articolo propone un framework di validità di costrutto che concettualizza l'IA etica come un costrutto di ordine superiore e dipendente dal contesto, comprendente equità, trasparenza e spiegabilità, offrendo un percorso teoricamente fondato per sviluppare standard di misurazione verificabili per la conformità normativa e la ricerca empirica.