💻 Category

cs

2578 articoli

💻 computer science

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

PhenoAgent è un framework di LLM agentico e rispettoso della privacy che utilizza la decomposizione di query strutturate, l'autocorrezione e il consenso multi-modello per estrarre accuratamente fenotipi clinici da cartelle cliniche elettroniche in testo libero, superando significativamente i baseline tradizionali e eguagliando le prestazioni dei medici su dataset ospedalieri giapponesi.

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

Questo studio confronta l'analisi tematica umana e quella assistita dall'IA nella ricerca qualitativa chirurgica, riscontrando che, sebbene entrambi i metodi identifichino temi generali simili, i codici generati dagli esseri umani producono una maggiore affidabilità inter-codificatore grazie a confini tematici più chiari, suggerendo che un approccio ibrido che combini l'efficienza dell'IA con la raffinazione umana possa essere ottimale.

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

Questo articolo propone la Modality-Missing Robust Representation Network (MMR-Net), un framework di deep learning addestrato sul dataset pubblico IXI che utilizza encoder specifici per modalità, uno spazio latente condiviso e una strategia di dropout della modalità per mantenere prestazioni robuste nei compiti di regressione dell'età e classificazione del sesso tramite risonanza magnetica cerebrale, nonostante la mancanza di sequenze di imaging.

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

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

Questo studio sviluppa e valuta un framework NLP multi-modello interpretabile che rileva efficacemente le reazioni avverse ai farmaci e valuta l'efficacia del trattamento da recensioni dei pazienti su larga scala, dimostrando che gli approcci tradizionali di machine learning superano la classificazione zero-shot basata su transformer in questo dominio.

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

Questo studio confronta 16 modelli linguistici di grandi dimensioni su dati reali di triage del pronto soccorso, riscontrando che, sebbene il prompting strutturato possa raggiungere un accordo sostanziale con gli infermieri umani per la classificazione della gravità, la maggior parte dei modelli mostra un'accuratezza limitata, un scarso assegnamento settoriale, un'eccessiva fiducia sistematica e un comportamento non deterministico, indicando che non sono ancora pronti per l'implementazione clinica senza ulteriori validazioni e miglioramenti.

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 ​

Questo studio dimostra che uno strumento di intelligenza artificiale accessibile e ottimizzato iterativamente, che utilizza il meta-prompting e linee guida specifiche per il dominio, supera significativamente sia i modelli di IA di base che le revisioni tra pari umane nel fornire feedback strutturati e di alta qualità per i manoscritti di chirurgia plastica, offrendo così una soluzione scalabile per supportare i ricercatori in contesti con risorse limitate.

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

Questo studio introduce FusionAttNet, un nuovo framework di deep learning che integra i dati Sentinel-1 SAR e Sentinel-2 ottici attraverso un meccanismo di attenzione gerarchica consapevole della modalità per raggiungere un'accuratezza del 96,75% nella classificazione della copertura del suolo semi-arido nell'estremo nord del Camerun, superando significativamente i metodi di fusione tradizionali affrontando efficacemente l'omogeneità spettrale, la copertura nuvolosa e la variabilità stagionale.

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

Questo studio utilizza la modellazione basata su agenti e l'apprendimento per rinforzo per dimostrare che la durata dell'addestramento nei Security Operations Center produce guadagni di prestazioni non lineari, con un investimento ottimale tra i 500 e i 1.000 episodi e team altamente addestrati che ottengono vantaggi di efficienza equivalenti al reclutamento di ulteriori 20–25 unità di personale.

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

Quantifying the Security-Performance Trade-off in Constrained IoT: A Multi-Vector MQTT Attack Framework with Hybrid Defense-in-Depth Evaluation

Questo articolo presenta un framework sperimentale riproducibile che dimostra come concatenare intrusioni HID fisiche con attacchi alla rete MQTT esponga critici compromessi tra sicurezza e prestazioni nei dispositivi IoT vincolati, rivelando che, sebbene il TLS offra una forte riservatezza, esso comporta costi di latenza e memoria proibitivi sull'hardware legacy, motivando così una nuova architettura ibrida di Difesa in Profondità che privilegia le Liste di Controllo degli Accessi per una protezione efficiente e scalabile.

Thant Zin Moe, Julia Juremi, Manimegalai Rajenderan2026-06-27