💻 computer science

Diffusion-Augmented State-Space Learning for Pericardial Effusion Segmentation in Echocardiography: A Multicenter Model-Development Study with External Image-Source Evaluation

Deze multicenter studie presenteert een nieuw kader dat een Gabor-prior-gestuurd diffusiemodel voor synthetische data-augmentatie combineert met een op een state-space gebaseerd segmentatienetwerk, die gezamenlijk de nauwkeurigheid van de delineatie van pericardvocht verbeterden en een robuuste generaliseerbaarheid over interne en externe echocardiografische datasets aantoonden.

xiangtong huang, Yuchen Qin, Jing Zhang, Bihan Tang, Qi Chen2026-08-20
💻 computer science

A Cooperative Multi-Agent Framework for Author Name Disambiguation

Dit artikel introduceert AIDA-AND, een coöperatief multi-agent framework dat semantische representaties integreert met interpreteerbare metadata-bewijslast via gespecialiseerde agenten om competitieve, modulaire en efficiënte auteursnaam-disambiguatie te bereiken, waarbij de executietijd aanzienlijk wordt verminderd terwijl de prestaties op benchmark-datasets worden verbeterd.

Natan de Souza Rodrigues, Samuel Gomes dos Santos, Vitória Maria Diniz Pereira, Célia Ghedini Ralha2026-08-20
💻 computer science

RAUDI: A Dual-Head Framework Unifying Unsupervised and Supervised Reconstruction for Industrial Anomaly Detection

Het artikel stelt RAUDI voor, een dual-head framework voor industriële anomaliedetectie dat ongesuperviseerd en gesuperviseerd leren verenigt door flexibel gebruik te maken van echte defecte monsters of realistische pseudo-anomalieën die zijn gesynthetiseerd via een nieuwe multi-stage superpixel methode (RASMS), waarmee state-of-the-art prestaties worden behaald op zowel de MVTec AD als de KolektorSDD2 benchmarks.

Jihoon Oh, Rizwan Ali Shah, Odilbek Urmonov, HyungWon Kim2026-08-20
💻 computer science

What Citations Get Wrong: A Full-Corpus Audit of Reference Existence and Claim Support in a Major NLP Conference

Dit artikel auditeert de ACL 2026-proceedings en stelt vast dat hoewel bijna alle geciteerde referenties bestaan, een automatische audit van bewijsvoering in één enkele run niet kon worden gereproduceerd vanwege een niet-gelogde modelconfiguratie, wat aantoont dat rigoureuze citatieverificatie strikte operationele logging vereist om reproduceerbaarheid te waarborgen.

Tao An2026-08-20
💻 computer science

Application of AI and ML in Cybersecurity Operations: Challenges and Opportunities

Dit artikel onderzoekt de integratie van AI en ML in cybersecurity-operaties, waarbij het potentieel om de detectie van dreigingen en efficiëntie te verbeteren wordt benadrukt, terwijl tegelijkertijd wordt onderstreept dat een succesvolle implementatie vereist dat uitdagingen zoals adversarial attacks en datakwaliteit worden aangepakt door middel van robuuste governance, transparantie en toezicht.

Giddeon Angafor2026-08-20
💻 computer science

SHAP based Hybrid Intrusion Detection Scheme Using ADASYN, Filter Method, and Ensemble Learning for IoT and Computer Network

Dit artikel stelt een uitlegbare AI-gebaseerde hybride Intrusion Detection System voor IoT en computernetwerken voor die ADASYN voor data-imbalans, filtermethoden voor feature selectie, ensemble learning voor robuustheid en SHAP voor interpreteerbaarheid integreert, waarbij superieure prestaties worden aangetoond op de CICIDS2017 en MQTT-IoT-IDS2020 datasets.

Asimkiran Dandapat, Bhaskar Mondal2026-08-20
💻 computer science

Generalising Hybrid OUR-Net -U-Net for Accurate Identification and Multi-Domain Structural Crack Segmentation Using Refinement Techniques

Dit artikel stelt een zwak gesuperviseerd framework voor dat afbeelding-niveau annotaties benut om verfijnde pseudo-maskers te genereren via CAM en Grad-CAM, die vervolgens worden gebruikt om een hybride OUR-Net–U-Net model te trainen voor nauwkeurige, multi-domein structurele scheursegmentatie met aanzienlijk lagere annotatiekosten en superieure prestaties vergeleken met bestaande methoden.

K. S. Ravichandran2026-08-20
💻 computer science

Empirically Derived AI Harm Profiles and the Case for Context-Sensitive Moral Responsibility

Deze studie analyseert 849 AI-incidenten om empirisch drie verschillende schadeprofielen af te leiden — Autonoom/Belichaamd, Visuele Herkenning en Generatieve AI — en pleit voor een verschuiving van brede governanceprincipes naar een contextgevoelig kader dat verantwoordings- en monitoringsmechanismen afstemt op deze specifieke risicopatronen.

Ummara Mumtaz, Rabi Noor, Summaya Mumtaz2026-08-20