2358 articoli
Questo articolo propone un framework MobileViT-XS leggero e potenziato dall'attenzione che bilancia efficacemente l'efficienza computazionale e l'affidabilità diagnostica per la classificazione e la segmentazione congiunta delle lesioni cutanee, raggiungendo prestazioni competitive sul dataset ISIC 2019 con significativamente meno parametri rispetto ai modelli pesanti.
Questo articolo propone un framework di campo casuale neuralizzato multi-scala (MSMRF) che integra l'estrazione di caratteristiche multi-scala, la regolarizzazione del collo di bottiglia dell'informazione e i vincoli fisiologici per ottenere un riconoscimento accurato e clinicamente plausibile delle aritmie cardiache, superando i baseline esistenti su database ECG pubblici.
Questo studio impiega due modelli di apprendimento automatico basati su Long Short-Term Memory (LSTM) per rilevare la gravità del cheratocono analizzando i parametri oculari dei pazienti da immagini OCT, monitorando efficacemente la progressione della malattia considerando sia i dati oculari unilaterali che quelli bilaterali.
Questo studio prima-e-dopo dimostra che l'applicazione mobile in lingua persiana AIMedEdu ha migliorato significativamente la percezione della prontezza all'IA medica degli studenti di ambito sanitario e ha ricevuto valutazioni di usabilità eccellenti, sebbene siano necessarie ulteriori ricerche per confermare l'efficacia educativa a lungo termine e la generalizzabilità.
Il documento presenta HAG-EUNet, un modello di deep learning ibrido che combina un encoder EfficientNet-B3 con un decoder U-Net potenziato da transformer per ottenere una segmentazione coroideale automatizzata e ad alta precisione nelle immagini OCT ed estrarre 32 biomarcatori clinicamente rilevanti, superando significativamente i baseline standard di U-Net sia in termini di accuratezza che di efficienza.
KORAL-Net è un'architettura di segmentazione 3D ordinata che separa la rappresentazione volumetrica dalla ricostruzione delle caratteristiche multi-scala per preservare le evidenze dei bordi nella DCE-MRI a tre fasi, ottenendo punteggi Dice superiori e una riduzione dei falsi positivi rispetto a nnU-Net v2 sia sui dataset interni che su quelli cross-cohort di I-SPY.
Questo articolo propone un Sistema di Guida Autonoma Universale (UADS) che integra un rilevatore YOLO evoluto ad alta precisione con un Sistema Esperto di Reti Neurali (ANES) e Modelli di Linguaggio di Grandi Dimensioni (LLM) per raggiungere lo stato dell'arte nel rilevamento degli oggetti e nel processo decisionale autonomo, affrontando al contempo le sfide NP-hard nella guida autonoma.
Questo articolo introduce PASER-NLL, un metodo di selezione dei dati senza l'uso di un insegnante che sostituisce il segnale della divergenza KL fallimentare dei modelli potati con la log-likelihood negativa dello studente per ottenere prestazioni di recupero superiori e un significativo risparmio di risorse in condizioni di pruning strutturale aggressivo.
Questo articolo presenta un'architettura di controllo assistita dall'IA per l'acceleratore di particelle Elettra 2.0 che integra i Large Language Models e il Model Context Protocol all'interno di un framework gerarchico per consentire un controllo supervisionato sicuro tramite linguaggio naturale attraverso un Digital Twin, raggiungendo tassi di successo dei comandi superiori al 95% senza azioni insicure.
Questo studio propone un modello Bidirectional Long Short-Term Memory (BiLSTM) potenziato con la Multi-Head Attention (MHA) per affrontare le limitazioni nella traduzione automatica neurale, dimostrando prestazioni superiori in termini di accuratezza dell'allineamento e dei punteggi BLEU e METEOR rispetto ai metodi esistenti.