3900 artigos
Este artigo propõe um framework MobileViT-XS leve e com atenção aprimorada que equilibra efetivamente a eficiência computacional e a confiabilidade diagnóstica para classificação e segmentação conjunta de lesões cutâneas, alcançando um desempenho competitivo no conjunto de dados ISIC 2019 com significativamente menos parâmetros do que modelos pesados.
Este artigo propõe um framework de campo aleatório de Markov neuralizado multiescala (MSMRF) que integra extração de características multiescala, regularização de gargalo de informação e restrições fisiológicas para alcançar um reconhecimento preciso e clinicamente plausível de arritmias cardíacas, superando as linhas de base existentes em bases de dados públicas de ECG.
Este estudo utiliza dois modelos de aprendizado de máquina baseados em Long Short-Term Memory (LSTM) para detectar a gravidade do ceratocone através da análise de parâmetros oculares de pacientes a partir de imagens de OCT, monitorando efetivamente a progressão da doença ao considerar dados oculares unilaterais e bilaterais.
Este estudo de antes e depois demonstra que o aplicativo móvel em língua persa AIMedEdu melhorou significativamente a percepção de prontidão para IA médica dos estudantes de saúde e recebeu classificações excelentes de usabilidade, embora pesquisas futuras sejam necessárias para confirmar a eficácia educacional e a generalização a longo prazo.
O artigo apresenta o HAG-EUNet, um modelo híbrido de aprendizado profundo que combina um codificador EfficientNet-B3 com um decodificador U-Net aprimorado por transformer para alcançar a segmentação coroide automatizada e de alta precisão em imagens de OCT e extrair 32 biomarcadores clinicamente relevantes, superando significativamente as linhas de base padrão de U-Net tanto em precisão quanto em eficiência.
O KORAL-Net é uma arquitetura de segmentação 3D ordenada que separa a representação volumétrica da reconstrução de características multiescala para preservar evidências de contorno em DCE-MRI de três fases, alcançando escores Dice superiores e reduzindo falsos positivos em comparação ao nnU-Net v2 em ambos os conjuntos de dados internos e de coorte cruzada do I-SPY.
Este artigo propõe um Sistema de Condução Autónoma Universal (UADS) que integra um detetor YOLO evoluído de alta precisão com um Sistema de Especialista de Redes Neurais Artificiais (ANES) e Modelos de Linguagem de Grande Escala (LLM) para alcançar o estado da arte em deteção de objetos e tomada de decisão autónoma, ao mesmo tempo que aborda desafios NP-difíceis na condução autónoma.
Este artigo apresenta o PASER-NLL, um método de seleção de dados livre de professor que substitui o sinal de divergência KL falho de modelos podados pelo log-verossimilhança negativa do estudante para alcançar um desempenho de recuperação superior e economias significativas de recursos sob poda estrutural agressiva.
Este artigo apresenta uma arquitetura de controle assistida por IA para o acelerador de partículas Elettra 2.0 que integra Grandes Modelos de Linguagem e o Protocolo de Contexto de Modelo dentro de um framework hierárquico para permitir o controle supervisionado via linguagem natural e de forma segura através de um Gêmeo Digital, alcançando taxas de sucesso de comando superiores a 95% sem ações inseguras.
Este estudo propõe um modelo de Long Short-Term Memory Bidirecional (BiLSTM) aprimorado com Atenção de Múltiplas Cabeças (MHA) para abordar limitações em Tradução Automática Neural, demonstrando desempenho superior em precisão de alinhamento e nas pontuações BLEU e METEOR em comparação com métodos existentes.