Acerca deTopCursos
← heapsort-ai

Clinical AI

4 items

RESEARCHarXiv CS.LG·hace 26d

Mechanistic Interpretability of EEG Foundation Models via Sparse Autoencoders

Este artículo investiga la interpretabilidad mecánica de los modelos fundamentales de EEG aplicando Sparse Autoencoders (SAEs) para extraer diccionarios de características dispersas de sus incrustaciones. La investigación evalúa la monosemanticidad y el entrelazamiento en distintas arquitecturas de transformadores de EEG, fundamenta estas características en una taxonomía clínica e introduce la dirección de conceptos para cuantificar la selectividad y exponer fallas representacionales.

Clinical AIAI interpretabilityFoundation ModelsSparse autoencoders
28
RESEARCHarXiv CS.CL·7/5/2026

Self-Prompting Small Language Models for Privacy-Sensitive Clinical Information Extraction

Esta investigación presenta un marco implementable localmente que permite a modelos de lenguaje pequeños extraer entidades clínicas sensibles a la privacidad de notas dentales no estructuradas mediante indicaciones auto-generadas y refinadas. El estudio evaluó modelos de código abierto, logrando altas puntuaciones F1 con Qwen2.5-14B-Instruct y Llama-3.1-8B-Instruct después de un ajuste fino supervisado y optimización directa de preferencias.

Clinical AIprompt-engineeringInformation Extractionsecurity
27
RESEARCHarXiv CS.LG·hace 13d

Comparative Analysis of Liquid Neural Networks and LSTM for Sequential Pattern Recognition: Robustness, Efficiency, and Clinical Utility

Las Redes Neuronales Líquidas (LNN) modelan la evolución del estado oculto como una ecuación diferencial continua, a diferencia de las RNN y LSTM de tiempo discreto. Este estudio compara LNN con LSTM en cuatro modalidades secuenciales, mostrando la superior eficiencia de parámetros y robustez de las LNN en dominios temporales nativos y entornos clínicos.

neural networksClinical AIdeep learningmachine learning
27