💻 Category

cs

2578 articoli

💻 computer science

OrganSegBench: Bridging the Translational Gap for Medical Segmentation Foundation Models Through Principled Model Synergy

Per affrontare il divario di traslazione nei modelli fondazionali di segmentazione medica causato da benchmark eccessivamente ottimistici e dal compromesso tra accuratezza ed equità, questo articolo introduce OrganSegBench, un rigoroso framework di valutazione multidimensionale che dimostra come la sinergia modellistica basata su principi attraverso strategie di ensemble superi i modelli monolitici nel raggiungere un'IA sicura, equa e clinicamente affidabile.

Qing Li, Yizhe Zhang, Xin Guo, Haosen Zhang, Mo Yang, Mengting Sun, Longyu Sun, Haoyang Zhang, Junhong Liu, Yan Li, Yaji (…)2026-06-25
💻 computer science

A Hybrid Retrieval Augmented Generation Approach for Explainable Clinical Decision Support Using Vector Databases and Best Matching 25

Questo articolo presenta un framework ibrido di Generazione Aumentata dalla Recupero che integra la ricerca semantica basata su BM25 e BioBERT con la Fusione del Rango Reciproco per migliorare il supporto decisionale clinico spiegabile e personalizzato e la previsione precoce del rischio di malattie, ottenendo prestazioni di recupero superiori su un dataset di 182.000 record medici rispetto ai baseline tradizionali.

Bodireddy Mahalakshmi, Smita Khairnar, Shilpa Gite, Anurag Lengure, Anuj Loharkar, Swaraj Mahadik, Soham Mahajan2026-06-25
💻 computer science

An Explainable Hybrid of Classical and Quantum Support Vector Machine Models for Maternal Mental Health Risk Prediction Using Multicountry Data

Questo studio propone un modello di Support Vector Machine Ibrido Classico-Quantistico spiegabile che sfrutta dati multicontinentali per raggiungere prestazioni superiori nella previsione del rischio di salute mentale materna (accuratezza del 99,86%) identificando al contempo i principali predittori clinici attraverso l'analisi SHAP.

Shallon Ahimbisibwe, Emmanuel Ahishakiye, Samuel Maling, Simon Kawuma, Richard Ntwari, Boaz Twinamasiko, Fred Kaggwa2026-06-25
💻 computer science

Runtime Detection of Attacks and Misconfigurations in Cloud-Native Kubernetes Environments Using eBPF Network Telemetry

Questo articolo dimostra che la telemetria di rete Hubble/eBPF, quando combinata con etichette di ground-truth accuratamente costruite, può rilevare efficacemente attacchi runtime e misconfigurazioni negli ambienti Kubernetes, rivelando che gli attributi di identità del lato destinazione sono i più forti indicatori di minacce nonostante un compromesso tra l'alta precisione dei detector basati su regole e il maggior richiamo dei classificatori Random Forest.

Andrew Oppong-Asante, Bernard Kyiewu, Clinton Amponsah, Linda Bessa-Simons, Caleb Boakye Yiadom2026-06-25
💻 computer science

ST-HAE: Spatio-Temporal Anomaly Detection inHeterogeneous IoT Networks Under Realistic Class Imbalance

Questo articolo presenta ST-HAE, un autoencoder ibrido spazio-temporale non supervisionato che raggiunge un rilevamento delle anomalie ad alta precisione in reti IoT eterogenee sotto un realistico squilibrio delle classi, addestrandosi esclusivamente sul traffico benigno e utilizzando una codifica temporale bidirezionale per ridurre significativamente i tassi di falsi allarmi e la varianza rispetto ai metodi esistenti.

Vamsi Krishna Reddy, Nageswara Rao kuda2026-06-25
💻 computer science

Detection of AI-Generated Product Main Images in Cross-Border E-Commerce Based on Multi-Feature Fusion

Questo articolo affronta la sfida del rilevamento di immagini di prodotti generate dall'IA nel commercio elettronico transfrontaliero introducendo il dataset CBEC-AIGC-Bench e proponendo MFF-EComDet, una rete di fusione multi-caratteristica che combina rami di semantica spaziale e artefatti di frequenza con un meccanismo di cross-attention per distinguere efficacemente gli artefatti di generazione dalle interferenze del testo promozionale.

lili huang, zhidan hui2026-06-25
💻 computer science

FluxGraph: Synergizing Dynamic Graph Attention and Flux Memory for Unsupervised Time Series Anomaly Detection

FluxGraph è un framework non supervisionato per il rilevamento di anomalie in serie temporali che sinergizza l'attenzione dinamica sui grafi con la memoria di flusso e il flusso bidirezionale delle caratteristiche per identificare efficacemente anomalie di mascheramento sottili e derive graduali della linea di base nei sistemi industriali e automobilistici, superando i metodi esistenti attraverso un nuovo approccio di fusione multi-residuo.

Yunya Xiong, Tao Xu, Guozhi Song2026-06-25
💻 computer science

A Multi-Layer Framework for Hallucination Detection and Mitigation in Large Language Models Using Retrieval Grounding and Small Language Model Verification

Questo articolo propone un framework multistrato che migliora l'affidabilità fattuale dei grandi modelli linguistici scomponendo le risposte in affermazioni atomiche, ancorandole tramite il recupero di informazioni e verificandole attraverso un piccolo modello linguistico e il ragionamento neuro-simbolico, ottenendo guadagni di prestazioni significativi sui dataset HotpotQA e SciFact pur mantenendo interpretabilità ed efficienza computazionale.

Md. Mahmudul Hasan, Israk Kayum Chowdhury, Md. Eliyas Akondo, Tanvir Ahammad, Khandaker Mohammad Mohi Uddin2026-06-25
💻 computer science

Knowledge-Constrained Neural Completion of Islamic Geometric Patterns with Symmetry Guarantees

Questo articolo presenta un framework neurale vincolato dalla conoscenza che incorpora regole geometriche formali in un modello di completamento di grafi per garantire l'esatta simmetria rotazionale e la validità strutturale nei motivi geometrici islamici, dimostrando che, sebbene l'aumento dei dati migliori la fedeltà, solo l'inferenza strutturata sulla simmetria assicura zero violazioni.

Hassan Ugail, Irfan Mehmood2026-06-25