• Developed novel shortcut learning detection framework analyzing 750K+ samples across 13 datasets, predicting out-of-distribution performance degradation with 96% accuracy (Published - Nature npj Digital Medicine) • Created an attention-based mechanism for localizing and correcting for multiple shortcuts (spatial and spectral), surpasses SOTA by 7.5% in data with multiple spurious correlations occurring simultaneously (Under Review - CVPR 2025)•设计生成的内涂层系统,用于使用扩散模型减少医学成像任务的混淆 - 确定并纠正了隐藏分层的诊断性能,提高了20%的诊断性能•构建和部署了多个用于放射学和超声的临床AI工具,用于实施验证协议,并与医院互具
[ ESEC/FSE21 ] “ SynGuar:通过示例保证编程中的泛化 ” Bo Wang †、Teodora Baluta、Aashish Kolluri 和 Prateek Saxena。第 29 届 ACM 欧洲软件工程会议联合会议和软件工程基础研讨会 ( ESEC/FSE ) 论文集。2021 年。
观察糖尿病的趋势及其在巴拉匹斯坦 - 巴基斯坦农村地区的Health Surveys 2002 - 2017年的趋势趋势,以及基于2001 - 02年,2009 - 10年间和2016 - 17年之间对Bal路支省进行的基于社区的健康调查进行的二级分析。总共有4250名参与者,共同分析中包括2001 - 2002年的2515个参与者,从2009 - 2010年为1377年和2016 - 2017年调查年度的358名参与者。在每次调查中,在预先设计的问卷中都记录了基线参数的详细信息。禁食等离子体葡萄糖(FPG)用于诊断糖尿病。心血管(CVD)风险因素包括高血压,肥胖,血脂异常,烟草使用,饮酒和体育活动。大多数受试者年龄30-50岁,与2001 - 02年和2009 - 10年相比,2016 - 17年的男性在2016 - 17年度更高。在2016 - 17年度观察到BMI,腰围,血压和糖尿病家族史的明显增加。糖尿病的患病率为4.2(3.4-4.9),7.8(6.6–9.2)和31.9(26.9-37.4),而糖尿病的糖尿病为2001-2,2009-2009-10-17,而糖尿病前期的糖尿病为1.7(1.3-2.2),3.6(2.8-4.6)和10.7(7.6-14.9)。在20至39岁的年龄段中,糖尿病的患病率从2001 - 10年开始是稳定的,但在2016 - 17年的30-39岁之间大幅增加。在整个观察到的时期中,在高血压,肥胖和血脂异常中观察到了快速增加,但是,对烟草使用的成瘾和酒精摄入量减少。调整后的奇数比例显示了糖尿病的年龄,婚姻状况,教育,高血压和家族史,这是糖 - MIC失调的相关危险因素。由于CVD高度相关的CVD危险因素,尤其是中央肥胖症和血脂异常,面临着早期糖尿病的趋势趋势的日益增加,这引起了重大的公共卫生挑战。
1 格勒诺布尔阿尔卑斯大学、法国国家科学研究院、格勒诺布尔行星学和天体物理研究所 (IPAG),F-38000 格勒诺布尔,法国 2 巴塞罗那自治大学 Qumica 系,E-08193 Bellaterra,加泰罗尼亚,西班牙 3 斯图加特大学理论化学研究所,Pfaffenwaldring 55,D-70569 斯图加特,德国 4 佩鲁贾大学化学、生物和生物技术系,Via Elce di Sotto 8,I-06123 佩鲁贾,意大利 5 Arcetri 天体物理天文台,Largo E. Fermi 5,I-50125 佛罗伦萨,意大利 6 斯坦福大学化学系和 PULSE 研究所,斯坦福,CA 94305,美国 7 SLAC 国家加速器实验室,门洛帕克,加利福尼亚州 94025,美国 8 都灵大学化学系和纳米结构界面与表面 (NIS),Via P. Giuria 7, I-10125 Torino,意大利 9 莱顿化学研究所,Gorleaus 实验室,莱顿大学,邮政信箱 9502,NL-2300 RA Leiden,荷兰