4092 篇论文
本文提出了 GlaucoFusionNet，这是一个多模态可解释人工智能框架，它利用因果推理和反事实推理整合视网膜眼底图像与临床数据，旨在克服以相关性驱动的模型在提供具有可解释性、可操作性的青光眼风险预测及进展分层方面的局限性。
本文提出了一种混合框架，该框架结合了用于几何感知 3D 重建的龙格-库塔（Runge–Kutta）优化神经辐射场（NeRF）与基于扩散的细化模块，旨在有效纠正严重的自拍透视畸变，同时保持面部特征、结构一致性及照片级的真实质量。
本研究提出了一种轻量级、非破坏性的集成卷积神经网络（CNN）框架，该框架通过多尺度特征提取实现了97.50%的蛋壳裂纹检测准确率，为自动化食品包装应用中取代人工检测及现有深度学习模型提供了一种计算高效且鲁棒的替代方案。
本范围综述绘制了“氛围编程”（即大语言模型辅助的代码生成）在临床、行政和研究领域中新兴的景观，强调了其在使软件开发民主化方面的潜力，同时识别了安全与监管方面的关键挑战，并提出了一个用于负责任采用的三层治理框架。
本文提出了 HT-CS，这是一种结合了 Hoeffding Tree 回归器、ADWIN 漂移检测以及样本级加权的代价敏感增量学习框架，该框架在保持低延迟和小型模型占用的同时，显著提高了在资源受限的 Raspberry Pi 4B 设备上对关键温度事件的召回率和预测准确度。
本研究提出了一种改进的 AEP2-YOLOv8s 模型，该模型集成了 ROI 提取、背景归一化、AIFI 模块、EMA 注意力机制以及四尺度检测架构，旨在实现对蛋壳表面微小污染物的高精度、无损识别，其准确率显著优于原始的 YOLOv8s。
该论文提出了 DeepHistoViT，这是一个可解释的视觉 Transformer 框架，它通过利用注意力机制来定位具有诊断相关性的区域，在肺癌、结肠癌和急性淋巴细胞白血病的组织病理学图像分类中实现了最先进的准确率和统计稳健性。
本文提出了一种面向过程的融合网络（PFN），通过对变长材料组成、标称配比先验以及阶段特定工艺条件进行联合建模，有效解决了多物料、多阶段纱线质量预测的挑战，在关键质量指标上实现了优于现有方法的性能。
本文表明，虽然选择异构集成成员的最优组合比均匀混合能带来微小的收益，但它并不能超越仅仅选择表现最好的单一族群，这揭示了所感知的提升潜力在很大程度上是选择偏差的产物，而非真正的未开发性能。
本研究评估了重复暴露（duplicate exposure）和候选集覆盖度压力测试（candidate-coverage stress testing）对临床缩略语语义识别清单（Clinical Abbreviation Sense Inventory, CASI）的影响，结果表明，尽管数据泄露对总体准确率的影响微乎其微，但高支持度置信度校准（high in-support confidence calibration）未能可靠地检测出正确语义缺失于候选集中的情况。