💻 Category

cs

2578 papers

💻 computer science

MAP-RAG: A Multi-View Adaptive Pattern-Aware Medical Retrieval-Augmented Generation Diagnostic Framework

MAP-RAG is een nieuw multi-view adaptief framework dat de klinische diagnostische nauwkeurigheid en efficiëntie verbetert door de decompositie van gestructureerde elektronische medische dossiers te integreren met hybride retrieval en dynamische vertrouwensrouting, waarmee het een superieure prestatie over meerdere medische afdelingen aantoont vergeleken met baseline-modellen.

Zhaolin Lu, Xulin Liu, Hongliang Bi, Feilong Tan, Caiying Zhang2026-06-25
💻 computer science

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

Om de translationele kloof in medische segmentatie-fundamentmodellen aan te pakken, die wordt veroorzaakt door overoptimistische benchmarks en de trade-off tussen nauwkeurigheid en rechtvaardigheid, introduceert dit artikel OrganSegBench, een rigoureus multidimensionaal evaluatiekader dat aantoont hoe principiële model-synergie door middel van ensemble-strategieën monolithische modellen overtreft in het bereiken van veilige, evenredige en klinisch betrouwbare AI.

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

Dit artikel presenteert een hybride Retrieval Augmented Generation-framework dat BM25 en op BioBERT gebaseerde semantische zoekopdrachten integreert met Reciprocal Rank Fusion om uitlegbare, gepersonaliseerde klinische besluitvormingsondersteuning en vroege ziekterisicovoorspelling te verbeteren, waarbij een superieure retrieval-prestatie wordt bereikt op een dataset van 182.000 medische dossiers vergeleken met traditionele baselines.

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

Deze studie stelt een uitlegbare hybride klassiek-kwantum Support Vector Machine-model voor dat gebruikmaakt van gegevens uit meerdere landen om een superieure prestatie te behalen bij de voorspelling van het risico op mentale gezondheid bij moeders (99,86% nauwkeurigheid), terwijl het via SHAP-analyse de belangrijkste klinische voorspellers identificeert.

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

Dit artikel demonstreert dat Hubble/eBPF netwerktelemetrie, wanneer gecombineerd met zorgvuldig geconstrueerde ground-truth labels, effectief runtime-aanvallen en misconfiguraties in Kubernetes-omgevingen kan detecteren, waarbij wordt onthuld dat identiteitsattributen aan de bestemmingszijde de sterkste indicatoren van dreigingen zijn, ondanks een afweging tussen de hoge precisie van regelgebaseerde detectoren en de hogere recall van Random Forest-classificators.

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

Dit artikel introduceert ST-HAE, een unsupervised spatio-temporele hybride autoencoder die met hoge precisie anomaliedetectie realiseert in heterogene IoT-netwerken onder realistische klasse-onbalans door uitsluitend te trainen op legitiem verkeer en gebruik te maken van bidirectionele temporele codering om de foutalarmpercentages en variantie aanzienlijk te verminderen in vergelijking met bestaande methoden.

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

Dit artikel behandelt de uitdaging van het detecteren van door AI gegenereerde productafbeeldingen in grensoverschrijdende e-commerce door de introductie van de CBEC-AIGC-Bench dataset en het voorstellen van MFF-EComDet, een multi-feature fusienetwerk dat ruimtelijke semantische en frequentie-artefact-takken combineert met een cross-attention mechanisme om generatie-artefacten effectief te onderscheiden van promotionele tekstinterferentie.

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

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

FluxGraph is een ongesuperviseerd framework voor anomaliedetectie in tijdreeksen dat dynamische graaf-aandacht combineert met fluxgeheugen en bidirectionele featureflow om effectief subtiele vermomde anomalieën en geleidelijke baselinedrift in industriële en automotive systemen te identificeren, waarbij het bestaande methoden overtreft door een nieuwe multi-residuele fusie-aanpak.

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

Dit artikel stelt een meerlagig framework voor dat de feitelijke betrouwbaarheid van grote taalmodellen verbetert door reacties te ontleden in atomische claims, deze te funderen met retrieval, en ze te verifiëren via een klein taalmodel en neuro-symbolische redenering, waarmee significante prestatiewinsten worden behaald op de HotpotQA- en SciFact-datasets terwijl interpreteerbaarheid en computationele efficiëntie behouden blijven.

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