University of California, Los Angeles（加州大学洛杉矶分校）

From Global Radiomics to Parametric Maps: A Unified Workflow Fusing Radiomics and Deep Learning for PDAC Detection

从全局放射组学到参数图：一种融合放射组学和深度学习的统一工作流程用于胰腺导管腺癌检测

Zengtian Deng, Yimeng He, Yu Shi, Lixia Wang, Touseef Ahmad Qureshi, Xiuzhen Huang, Debiao Li

机构 * Cedars-Sinai Medical Center（西德萨医院） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文提出一种融合放射组学和深度学习的统一工作流程，通过全局和体素级别注入放射组学特征，提升胰腺导管腺癌检测性能。

Comments This work has been submitted to the IEEE for possible publication

Machine Learning Based Prediction of Surgical Outcomes in Chronic Rhinosinusitis from Clinical Data

基于机器学习的慢性鼻窦炎手术结果预测：从临床数据出发

Sayeed Shafayet Chowdhury, Karen D'Souza, V. Siva Kakumani, Snehasis Mukhopadhyay, Shiaofen Fang, Rodney J. Schlosser, Daniel M. Beswick, Jeremiah A. Alt, Jess C. Mace, Zachary M. Soler, Timothy L. Smith, Vijay R. Ramakrishnan

机构 * Purdue University（普渡大学） ； Idaho National Laboratory（爱达荷国家实验室） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校） ； Department of Otolaryngology-Head and Neck Surgery, Medical University of South Carolina（斯克内尔医学院耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, University of California, Los Angeles（加州大学洛杉矶分校耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, University of Utah（犹他大学耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, Oregon Health Sciences University（俄勒冈健康科学大学耳鼻喉科与头颈外科部门） ； Department of Otolaryngology-Head and Neck Surgery, Indiana University School of Medicine（印第安纳大学医学院耳鼻喉科与头颈外科部门） 纠错

AI总结 本研究利用监督机器学习模型预测慢性鼻窦炎手术效果，通过SNOT-22评估患者术后受益，模型在多个算法中达到85%准确率，优于专家预测水平。

ScaleBITS: Scalable Bitwidth Search for Hardware-Aligned Mixed-Precision LLMs

ScaleBITS: 可扩展的位宽搜索用于硬件对齐的混合精度大语言模型

Xinlin Li, Timothy Chou, Josh Fromm, Zichang Liu, Yunjie Pan, Christina Fragouli

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Meta Superintelligence Labs, Meta Platforms, Inc.（Meta超智能实验室） ； Meta Platforms, Inc.（Meta公司） 纠错

AI总结 ScaleBITS通过硬件对齐的块级权重分区和约束优化方法，实现高效混合精度量化，提升低比特下的模型性能。