2578 papers
Dit artikel presenteert een door AI gedreven aanpak voor de geautomatiseerde 3D-segmentatie en visualisatie van 11 anatomische structuren in de onderarm, met als doel de bekwaamheid op het gebied van musculoskeletale echografie te verbeteren en te dienen als een hulpmiddel voor onderwijs aan het ziekbed.
Dit artikel stelt een op blockchain gebaseerd framework voor dat gebruikmaakt van Non-Fungible Tokens (NFT's), smart contracts en cryptografische technieken om verifieerbaar eigendom, gecontroleerde toegang en forensische auditing van versleutelde medische datasets mogelijk te maken, waardoor barrières in gegevensdeling binnen biomedisch onderzoek worden aangepakt.
Dit artikel stelt een verenigde twee-traps deep learning-cascade voor die een EfficientNetV2-S-model met asymmetrische loss gebruikt om 28 retinaire ziekten uit de RFMiD-dataset te detecteren en vervolgens een Platt-gekalibreerde onzekerheidsbewuste gate inzet om diabetische retinopathie-positieve gevallen naar een tweede fase te routeren voor ordinale ernstgradatie op de APTOS-2019-dataset, waarbij een hoge prestatie wordt behaald terwijl de significante degradatie in herkenningsnauwkeurigheid veroorzaakt door multi-ziekte co-occurrence wordt aangepakt.
Het artikel stelt EBC-FL voor, een embodied brain-cerebellum federated learning-framework voor satelliet-ondersteunde laag-hoogte draadloze netwerken, dat de afweging tussen veiligheidskritische betrouwbaarheid, semantisch bewustzijn en uploadvolume optimaliseert door de integratie van grondgebonden semantisch geheugen, MEO-satellietcoördinatie en lichtgewicht lokale beleid.
PhenoAgent is een privacy-bewarend, agentisch LLM-framework dat gestructureerde query-decompositie, zelfcorrectie en multi-model consensus gebruikt om accuraat klinische fenotypes te extraheren uit vrije tekst in elektronische patiëntendossiers, waarbij het traditionele baselines aanzienlijk overtreft en de prestaties van artsen evenaart op Japanse ziekenhuisdatasets.
Deze studie vergelijkt menselijke en door AI ondersteunde thematische analyse in chirurgisch kwalitatief onderzoek, waarbij wordt vastgesteld dat hoewel beide methoden vergelijkbare overkoepelende thema's identificeren, door mensen gegenereerde codeboeken een hogere intercoderbetrouwbaarheid opleveren vanwege duidelijkere thematische grenzen, wat suggereert dat een hybride aanpak die de efficiëntie van AI combineert met menselijke verfijning optimaal kan zijn.
Dit artikel stelt het Modality-Missing Robust Representation Network (MMR-Net) voor, een deep learning-framework getraind op de publieke IXI-dataset dat gebruikmaakt van modaliteitsspecifieke encoders, een gedeelde latente ruimte en een modality dropout-strategie om een robuuste prestatie te behouden bij taken zoals hersen-MRI-leeftijdsregressie en geslachtclassificatie, ondanks ontbrekende beeldsequenties.
Deze studie ontwikkelt en evalueert een interpreteerbaar, multi-model NLP-framework dat effectief bijwerkingen detecteert en de effectiviteit van behandelingen beoordeelt op basis van grootschalige patiëntenbeoordelingen, waarbij wordt aangetoond dat traditionele machine learning-benaderingen transformer-gebaseerde zero-shot classificatie in dit domein overtreffen.
Deze studie benchmarkt 16 grote taalmodellen op real-world data uit de triage van spoedeisende hulp en stelt vast dat, hoewel gestructureerde prompting aanzienlijke overeenstemming kan bereiken met verpleegkundigen wat betreft ernstclassificatie, de meeste modellen een beperkte nauwkeurigheid, slechte sectorale toewijzing, systematische overmoedigheid en niet-deterministisch gedrag vertonen, wat aangeeft dat ze nog niet klaar zijn voor klinische implementatie zonder verdere validatie en verbeteringen.
Deze studie toont aan dat een iteratief geoptimaliseerde, toegankelijke AI-tool die gebruikmaakt van meta-prompting en domeinspecifieke richtlijnen significant beter presteert dan zowel baseline AI-modellen als menselijke peer reviews bij het verstrekken van gestructureerde, hoogwaardige feedback voor manuscripten over plastische chirurgie, waardoor een schaalbare oplossing wordt geboden om onderzoekers in omgevingen met beperkte middelen te ondersteunen.