- 前列腺超声图像处理方法综述
通过对前列腺癌患者进行超声影像处理及诊断的综合分析,本文总结了图像处理方法在超声影像分析中的演变,并强调了其相关贡献,同时讨论了目前的挑战和未来的研究方向。
- MemeGuard: 基于 LLM 和 VLM 的框架,通过梗图干预推进内容管理
通过使用大语言模型(LLM)和视觉语言模型(VLM),本研究提出了一种全面框架 MemeGuard 用于干预恶意的 multimodal(多模态)网络迷因,测试结果表明 MemeGuard 在生成恰当和有效应对恶意迷因方面表现出色。
- 大型语言模型在心理健康领域的机遇和风险
全球心理健康问题的比例正在上升,现有的心理卫生模型已无法满足需求;大型语言模型 (LLMs) 的出现给人们带来了巨大的希望,有望创造新颖的、大规模的解决方案来支持心理健康。在这篇综述中,我们总结了现有文献关于使用 LLMs 提供心理健康教育 - 高效的公共卫生干预规划基于分解式决策导向学习
优化受益人干预计划以提高干预效果的研究中,本文通过对残存的历史数据进行感知模型参数估计,提出了一种基于 Restless Multi-Armed Bandits 和 Decision-Focused Learning 的快速干预规划方法,实 - Time2Stop:应对智能手机过度使用的自适应和可解释人机环形干预
研究通过机器学习开发了名为 Time2Stop 的智能、自适应且可解释的 JITAI 系统,该系统能够识别最佳干预时机并提供透明的 AI 解释,通过用户反馈建立人机循环,随着时间的推移适应干预模型。通过 8 周的实地实验发现,该自适应模型在 - 基于社交网络的电子健康干预在改善儿童健康习惯方面的可行性
这项研究展示了利用 eHealth 解决方案来解决青少年的饮食习惯和体育活动的可行性。在两所学校的 139 名干预组学生和 91 名对照组学生中进行了为期 14 周的干预。结果显示,eHealth 干预对体质指数百分位、体育活动评估得分和饮 - 一种非参数贝叶斯方法用于在线活动预测
通过贝叶斯非参数方法预测用户活跃数量及所需的时间轨迹,以实现实验规划和干预效果的准确预测。
- MindShift: 利用大型语言模型进行基于心理状态的手机问题使用干预
智能手机的问题使用对身心健康产生了负面影响,然而现有的说服技术不足以根据用户的身体状况和心理状态提供灵活的说服内容。我们通过调查研究,首先总结了导致智能手机问题使用背后的心理状态:无聊、压力和惰性,从而设计出了四种说服策略:了解、安慰、唤起 - 对可逆潜在因果模型领域反事实的描述
本文针对特定类型因果查询 - 领域反事实进行研究,提出了一种基于不同领域、环境生成数据集合的领域特定可逆潜在因果模型,并证明通过两个可逆函数可以将任何模型转化为等价模型,同时表明只允许干预最后 $k$ 个因果变量的算法可以提高反事实估计的模 - 二元交互的因果表示学习
本文提出了一种新的方法 BISCUIT,以识别多种常见设置中的因果变量及其二进制交互变量,并在三个仿生机器人数据集上准确地识别因果变量和其交互变量。
- 具未知因果图的加性因果赌博机
该研究探讨了在因果图模型下的因果 Bandit 问题,提出了基于线性问题的算法来解决这个问题,在未知因果图情况下也能有效地辨别最佳干预措施。
- 关于利用生成模型进行观察性因果分析
研究建议使用一种假设的生成模型进行观察数据的因果分析,该模型可以用于预测变量的值,但不足以推断因果关系。
- 乳腺癌影像中的深度学习:十年进展与未来方向
该论文通过对过去 10 年深度学习在乳腺癌成像研究的概述和整理,阐述了深度学习在乳腺癌筛查、诊断、治疗反应预测和预后方面的应用,同时探讨了深度学习在乳腺癌成像方面未来研究的挑战和展望。
- MERMAIDE: 模型元学习中学习者对齐的学习
研究如何利用 MERMAIDE 这种基于模型的元学习框架进行干预,以在最小化干预数量的同时,快速适应具有不同学习策略和奖励函数的分布外代理,并在带宽特代理的干预中超越两种基线方法。
- 使用深度确定性策略梯度的大规模基于代理的流行病学模型的流行病控制
本研究基于深度确定性策略梯度(DDPG)框架,使用大规模(100,000 个个体)的流行病学代理模拟,进行多目标优化,确定了最佳的封锁和疫苗接种策略,以在经济活动的基础模拟中实现最优经济和平衡健康目标。
- 利用模仿学习实现自动任务时间干预以提升团队合作
本文介绍了一种自动干预的方法来改善团队协调,首先使用 BTIL 多智能体模仿学习算法从过去的任务执行数据中学习团队行为的生成模型,然后结合团队的任务目标和生成模型来生成执行时间干预,实验结果表明,自动化干预可以成功提高团队绩效并揭示了改善团 - 在社交媒体中应对健康误解:特征描述、检测、干预和开放问题
通过对现有研究的全面回顾,本文从特征化、检测和干预三个角度系统地组织了不同领域中有关在线健康信息误导的文献,并对在社交媒体上打击健康信息误导的紧迫开放问题进行了深入讨论,为跨学科研究提供未来方向。
- ACL通过多文档摘要预测临床试验中干预措施的批准
该研究提出了一种基于文献摘要的新方法来预测临床试验干预措施的有效性。通过抽取摘要中表达干预措施有效性的句子,生成一个简洁的摘要,用于训练 BERT 分类器以预测干预措施的有效性。实验结果证明了该方法的有效性。
- YouTube,极端派别的促进者?在 YouTube 推荐中审计和减轻意识形态偏见
通过分析一百万个卧底账号的数据,我们发现 YouTube 推荐算法导致特定倾向用户越来越极端化的问题,设计了底层干预方法,成功将这种倾向最小化,然而这种干预措施对于偏向右翼用户来说更为困难。
- 使用介入和反事实推理解释因果知识图谱
人类使用因果关系和假设的回顾来进行日常决策、计划和理解生活事件。AI 系统需要更丰富的因果关系表示来支持干预和反事实推理,以提高人类对 AI 系统的理解。Causal Knowledge Graph(CausalKG)框架利用最近的因果关系