Vasileios E. Papageorgiou
PulseAugur coverage of Vasileios E. Papageorgiou — every cluster mentioning Vasileios E. Papageorgiou across labs, papers, and developer communities, ranked by signal.
-
新研究优化机器学习模型的嵌入维度分配
一篇新研究论文提出了一种为机器学习模型中的分类预测变量优化嵌入维度分配的原则性方法。作者将其表述为一个约束分配问题，并证明了嵌入容量可以根据明确的近似误差权衡分配给各个预测变量。他们提出的闭式分配规则，根据预测变量的近似值与其参数成本之比的平方根成比例地分配维度，在计算预算有限且预测变量高度异构的情况下，比标准启发式方法提高了预算效率。该方法在模拟和现实世界的医疗保健应用中都显示出预测准确性和概率校准的改进。
-
高效迁移学习CNN在多癌种检测中实现高精度
研究人员开发了一种计算高效的卷积神经网络（CNN），该网络利用迁移学习从生物医学图像中进行多癌种检测。这种轻量级模型旨在降低计算复杂性，使其适用于资源有限的环境。该CNN在脑癌检测中达到了90.85%的高准确率，在肺癌检测中达到了98.64%，在肾癌检测中达到了99.92%。通过在一个癌种上进行预训练，然后在其他癌种上进行微调，该模型与几种最先进的预训练架构相比，表现出了优越的性能。
-
新型AI模型增强医学影像中的癌症和脑肿瘤检测
研究人员开发了用于医学影像分析的新型深度学习模型，重点关注癌症检测和脑肿瘤识别。一项研究介绍了一种计算高效的卷积神经网络（CNN）结合迁移学习，用于跨MRI和CT扫描的多癌检测，实现了高精度，并优于几种最先进的预训练架构。另一个模型BrainFusionNet结合了CNN、Vision Transformers和GRU来分析用于脑肿瘤检测的MRI图像，集成了可解释AI技术以突出决策区域，准确率达到98%。