2358 papers
Dit artikel stelt een aandacht-verbeterd, lichtgewicht MobileViT-XS-framework voor dat effectief de balans vindt tussen computationele efficiëntie en diagnostische betrouwbaarheid voor gezamenlijke classificatie en segmentatie van huidlaesies, waarbij het een concurrerende prestatie levert op de ISIC 2019-dataset met aanzienlijk minder parameters dan zware modellen.
Dit artikel stelt een multi-scale neuralized Markov random field (MSMRF) framework voor dat multi-scale feature extractie, information bottleneck regularisatie en fysiologische beperkingen integreert om een nauwkeurige en klinisch plausibele herkenning van hartritmestoornissen te bereiken, waarbij het bestaande baselines op publieke ECG-databases overtreft.
Deze studie maakt gebruik van twee op Long Short-Term Memory (LSTM) gebaseerde machine learning-modellen om de ernst van keratoconus te detecteren door middel van de analyse van oogparameters uit OCT-beelden, waarbij de progressie van de ziekte effectief wordt gemonitord door zowel unilaterale als bilaterale ooggegevens in overweging te nemen.
Deze voor-en-na-studie toont aan dat de Perzisch-talige mobiele applicatie AIMedEdu de waargenomen medische AI-gereedheid van zorgstudenten aanzienlijk heeft verbeterd en uitstekende bruikbaarheidsscores ontving, hoewel toekomstig onderzoek nodig is om de langetermijn effectiviteit van het onderwijs en de generaliseerbaarheid te bevestigen.
Het artikel introduceert HAG-EUNet, een hybride diep leren-model dat een EfficientNet-B3 encoder combineert met een transformer-versterkte U-Net decoder om automatische, hoogprecisie choroidale segmentatie in OCT-beelden te bereiken en 32 klinisch relevante biomarkers te extraheren, waarmee het standaard U-Net baselines aanzienlijk overtreft in zowel nauwkeurigheid als efficiëntie.
KORAL-Net is een geordende 3D-segmentatiearchitectuur die de volumetrische representatie scheidt van de multiscale-kenmerkreconstructie om grensbewijs te behouden in driefasige DCE-MRI, waarbij superieure Dice-scores en verminderde fout-positieven worden behaald vergeleken met nnU-Net v2 op zowel interne als cross-cohort I-SPY-datasets.
Dit artikel stelt een Universal Autonomous Driving System (UADS) voor dat een hoogwaardige, geëvolueerde YOLO-detector integreert met een Artificial Neural Expert System (ANES) en Large Language Models (LLM) om state-of-the-art objectdetectie en autonome besluitvorming te bereiken, terwijl het NP-harde uitdagingen in autonoom rijden aanpakt.
Dit artikel introduceert PASER-NLL, een teacher-vrije dataselectiemethode die het falende KL-divergentie-signaal van geprunede modellen vervangt door de negative log-likelihood van de student om superieure herstelprestaties en aanzienlijke bronbesparingen te bereiken onder agressieve structurele pruning.
Dit artikel presenteert een door AI ondersteunde controlearchitectuur voor de Elettra 2.0 deeltjesversneller die Large Language Models en het Model Context Protocol integreert binnen een hiërarchisch kader om veilige, natuurlijke taal-gebaseerde supervisiecontrole via een Digital Twin mogelijk te maken, waarbij een succespercentage van meer dan 95% voor commando's wordt behaald zonder onveilige acties.
Deze studie stelt een Bidirectional Long Short-Term Memory (BiLSTM)-model voor dat is verbeterd met Multi-Head Attention (MHA) om beperkingen in Neural Machine Translation aan te pakken, waarbij een superieure prestatie wordt aangetoond op het gebied van alignment-nauwkeurigheid, BLEU- en METEOR-scores in vergelijking met bestaande methoden.