California Institute of Technology（加州理工学院）

Low-Dose CT for Stroke Diagnosis: A Dual-Pipeline Deep Learning Framework for Portable Neuroimaging

低剂量CT用于中风诊断：一种双管道深度学习框架用于便携式神经影像

Rhea Ghosal, Ronok Ghosal, Eileen Lou

机构 * Westlake High School（西湖高中） ； California Institute of Technology（加州理工学院） ； Round Rock High School（圆石城高中） 纠错

AI总结 本文提出双管道深度学习框架，用于低剂量CT中风诊断，在不同剂量水平上评估性能，发现直接分类在某些情况下更有效，建立了低剂量CT中风分诊的基准。

Comments 10 pages, 3 figures, 2 tables. Evaluation of direct classification and residual U-Net denoising followed by classification across five simulated photon-count levels and three deterministic noise seeds. Includes patient-cluster bootstrap confidence intervals. Uses the LDCT Classification dataset; motion and ring artifact experiments are outside the scope of this study

Large Language Models: A Mathematical Formulation

大语言模型：数学表述

Ricardo Baptista, Andrew Stuart, Son Tran

机构 * Statistical Sciences, University of Toronto（多伦多大学统计科学系） ； Vector Institute（向量研究所） ； Amazon Search（亚马逊搜索） ； Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） 纠错

AI总结 本文提出了一种大语言模型的数学框架，涵盖文本编码、模型架构、学习过程及部署方法，旨在提升算法的准确性、效率和鲁棒性。

Comments 56 pages, 2 figures