MétaCan
Menu
Retour à la cohorte
Enregistrement W4386885153 · doi:10.1109/tnse.2023.3293694

Guest Editorial Introduction to the Special Section on AI-Driven Cybersecurity for Healthcare Cyber Physical Systems

2023· editorial· en· W4386885153 sur OpenAlexaff
Sahil Garg, Yulei Wu, Shahid Mumtaz, Fabrizio Granelli, Kim‐Kwang Raymond Choo, Min Chen

Notice bibliographique

RevueIEEE Transactions on Network Science and Engineering · 2023
Typeeditorial
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésHealth careCyber-physical systemWearable computerInternet of ThingsComputer scienceSpecial sectionHealthcare serviceHealthcare industryComputer securityWearable technologyHealthcare systemSystem integrationEmbedded systemEngineering

Résumé

récupéré en direct d'OpenAlex

With the gradual integration of Internet of Things (IoT), healthcare industry has become ubiquitous, complex, sophisticated, efficient and autonomous. With this technological shift, remote patient monitoring, smart sensing and seamless integration of medical equipments has become a reality. Thus, the modern day cyber physical systems (CPS) encompassing healthcare devices, medical equipments, intelligent implantable medical devices (IMDs), smart sensors, wearables, etc., have gained the attention of both the academia and industry. The CPS specific to healthcare systems are characterised by bundle of opportunities for both the pro-consumers (patients and their relatives) and the service providers (doctors and hospitals). The major advantages range from proactive treatment, faster disease diagnosis, and improved treatment to cost reduction, error reduction, and easier equipment and drug management.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,342
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Network Science and EngineeringMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207