3615 件の論文
本論文は、ローカルな知識ベースから検索を行うことで、引用元が明示された回答を生成するか、あるいは一致するものがないことを明示的に報告するように設計された、医療診断支援を強化するための4層フレームワークの予備的なオフラインプロトタイプであるRAG-MedDxを紹介するものであり、同時に、診断精度が未測定の非臨床ツールであるという現在の限界についても認めている。
本論文は、テキスト誘導型の生成的意味強化と、もつれを解いた適応的融合を活用することで、モダリティ間の意味的ギャップを埋め、グローバルな感情傾向と微細な時間的ダイナミクスの両方を効果的に捉える、新しいマルチモーダル感情分析フレームワークであるTGSE-DFNを提案している。
MedTrustGraphは、患者および目的のコンテキストを決定論的なゼロトラスト・ポリシーエンジンと統合することで、自律的な臨床LLMエージェントによる不正行為の検出において、静的モデルや逐次モデルを大幅に上回る高い精度を実現する、目的認識型の時系列ヘテロジニアスグラフ学習フレームワークである。
本研究は、メラノーマ分類における4つの事後説明手法を忠実度、有用性、および信頼性の軸から評価し、それらのランキングにおける重大な不一致を明らかにした上で、最も適切な説明手法を選択するためには、忠実度ゲートを伴う多軸評価が不可欠であると結論付けている。
本研究は、変化する水文学的条件下におけるコンセプトドリフトに対処し、洪水予測の精度を向上させるために、最適輸送データセット距離および適応型ウィンドウイングによって導かれるXGBoostベースの時系列ドメイン転移学習モデルを提案するものである。
本論文は、固定されたImageNet事前学習を用いた制約のある低リソース設定下において、Vision Transformer（具体的にはViT-B/16）が、優れた色および染色変化への堅牢性、より良好な確率較正、そしてクロスタスク転移時におけるより緩やかな性能劣化を実現しつつ、競争力のあるインドメイン識別能を維持することで、病理組織学における様々なCNNアーキテクチャを凌駕することを実証している。
本手法の実現可能性に関する研究は、心外膜および冠動脈周囲脂肪組織の画像と臨床変数を統合した弱教師ありマルチモーダル・フレームワークが、臨床データのみと比較してCCTAで定義される冠動脈疾患表現型の予測を大幅に改善することを示すとともに、小規模なコホートにおいては、パラメータ効率の高い共有バックボーン構造がより複雑なデュアルバックボーンモデルと同等の性能を発揮することを明らかにしている。
本論文は、情報源、主張、および検証条件の明確かつクエリ可能な関連記録を維持することにより、ムンダ族の生きた遺産の証拠的関係、文化的文脈、およびコミュニティの権威を保存するために設計された、プロベナンス（来歴）を考慮したデジタル・インフラストラクチャおよびデータセットであるMLHKP-MCDを提示する。
本レビューは、システム・プロベナンス・グラフにおけるGNNベースのAPT検知を批判的に検討し、ベンチマーク精度は高いものの、ほとんどの研究が時間的転移の課題に対処できていないことを明らかにした上で、著者らが6次元の分類体系、報告用チェックリスト、および閾値を固定した将来のデータに対して検知器を評価するためのフレームワークを提案していることを示している。
本論文は、学習前に連合故障診断における転移可能性を評価するために、スライス・ワッサースタイン距離に基づいたプライバシー保護型のドメインシフト指数（DSI）を提案しており、それがデータの非類似性を判定するための安定したスクリーニングツールとなる一方で、精度低下を定量的に予測するという点においては単純なベースラインを大幅に上回るものではないことを見出している。