The 2nd International Conference on Food Science and Bio-medicine(ICFSB 2024)
logo
HCIS Articles
首页 / HCIS Articles

Human-Centric Intelligent Systems期刊推介&文章推荐

Human-Centric Intelligent Systems (HCIN,eISSN 2667-1336) 是一本国际化的,经过严格同行评审的开放获取期刊,致力于传播“以人中心的智能系统”中所有相关理论和实际应用的最新研究成果,并提供以人中心的计算与分析领域的前沿理论和算法见解。HCIN由西南交通大学计算机与人工智能学院李天瑞教授与澳大利亚悉尼科技大学计算机科学学院徐贯东教授担任主编,由东京大学计算机科学学院Masaru Kitsuregaw教授与伊利诺伊大学芝加哥分校计算机科学学院Philip S. Yu 教授担任顾问委员。本刊将执行严格的单盲同行评审,采取开放获取(Open Access)模式出版发行,不收取任何费用。所有出版的文章作者保留版权,读者永久免费下载、阅读。

HCIS Cover .png

 

本刊征稿主题包括但不限于:

 

l  社群检测

l  社会影响分析

l  用户建模、个性化和推荐

l  行为建模

l  分类、排序、总结和推荐

l  人工智能伦理:可解释性、公平、责任

 

 

HCIN LOGO.png

欢迎扫码阅读更多期刊内容

 

文章列表

1. Identifying Heterogeneity of Diabetics Mellitus Based on the Demographical and Clinical Characteristics

作者:Linta Islam, Md Rafiqul Islam, Shanjita Akter, Md Zobaer Hasan, Mohammad Ali Moni & Mohammed Nasir Uddin

DOIhttps://doi.org/10.1007/s44230-022-00003-1

 

摘要

背景:糖尿病是一种以高血糖为特征的长期疾病,现已成为世界范围内的公共卫生问题。它可能引发多种严重疾病,包括中风、肾衰竭和心脏病发作等。2014 年,糖尿病影响全球大约 4.22 亿人,预计 2040 年将影响 6.42 亿人。本研究的目的是分析在孟加拉国中人口统计学和临床特征对糖尿病的影响。

途径:本研究采用定量方法进行数据分析。首先,我们通过连续变量的独立双样本 t 检验和分类变量的 Pearson 卡方检验分析糖尿病患者和对照组之间的变量差异。然后,逻辑回归 (LR) 会根据优势比 (OR) 和调整优势比 (AOR) 来确定糖尿病的危险因素。

成果t检验和卡方检验结果表明:居住地、财富指数、教育程度、工作状况、吸烟状况、臂围、体重和BMI组等因素在糖尿病组和控制组之间有着显著的统计学差异(p < 0.05)。并且,LR 模型表明:13 个因素中的 2 个因素(“工作状态”和“吸烟状态”)是引起孟加拉国糖尿病出现的重要危险因素。

结论:我们相信:我们的分析可以帮助政府采取适当的准备来应对孟加拉国潜在未知的局势。

 

第一篇.png

 

2. Online Spam Review Detection: A Survey of Literature

作者:Li He, Xianzhi Wang, Hongxu Chen & Guandong Xu

DOIhttps://doi.org/10.1007/s44230-022-00001-3

 

摘要

日益发展的网络平台时刻都会产生大量的网评,例如 Yelp 和亚马逊。消费者在决定购买或挑选各种产品之前,会逐渐养成查阅之前评论的习惯。网评在决定消费者在电子商务中的购买选择方面发挥着至关重要的作用,然而很多网评是故意捏造的,其目的是混淆或误导潜在消费者。此外,在产品声誉和商家利润的推动下,越来越多的垃圾评论被植入到网络平台。这类评论可以是正面、负面或中性的;但是,它们具有误导消费者或损害产品声誉的共同特征。在过去十年内,许多研究者使用统计或深度学习方法对各种数据集进行垃圾评论检测方面的研究。鉴于此,本文首先介绍了垃圾评论检测的任务,并对垃圾评论做出通用定义。接着,全面概括了现有方法和可用数据集。最后,总结了解决该项任务现有的基于网络的方法,并为未来的研究提出了一些方向。


第二篇Fig1.png


 

3. Review of Machine Learning Approach on Credit Card Fraud Detection

作者:Rejwan Bin Sulaiman, Vitaly Schetinin & Paul Sant

DOIhttps://doi.org/10.1007/s44230-022-00004-0

 

摘要

信用卡的大量使用导致欺诈升级。信用卡的使用促进了在线业务的发展和电子支付系统的简化。机器学习(方法)被更加广泛地使用来检测和预防欺诈。机器学习算法在分析客户数据方面发挥着重要作用。在这篇研究文章中,我们对用于信用卡欺诈检测 (CCFD) 和数据机密性的 ML 技术的文献综述进行了比较分析。最后,我们提出了一种在联合学习框架中利用神经网络(ANN)的混合性解决方案。它被认为是一种在确保隐私的同时,对CCFD获得更高精确度的一种有效解决方案。

第三篇.jpg

 

4. Review on Pneumonia Image Detection: A Machine Learning Approach

作者:Amer Kareem, Haiming Liu & Paul Sant

DOIhttps://doi.org/10.1007/s44230-022-00002-2

 

摘要

本文调查并研究了如何部署计算机辅助技术来检测肺炎。它还提供了一种混合模型,可以有效地检测肺炎,同时以保护隐私的方式使用实时医学图像数据。本文将探讨 X 射线等各种预处理技术如何检测和分类多种疾病。该调查还研究了卷积神经网络 (CNN)k-近邻 (KNN)RESNETCheXNetDECNET 和人工神经网络 (ANN) 等不同的机器学习技术如何用于检测肺炎疾病。在本文中,我们对文献进行了全面回顾,以寻找如何结合医院和医疗机构从他们的数据集中训练机器学习模型,从而使 ML 算法能够更有效、更正确地检测疾病。我们提出了使用结合联合知识的迁移学习的未来工作。 这可以帮助医疗机构和医院形成使用实时数据集执行医学图像检测的组合方法。我们还探索了所提出解决方案的(适用)范围、局限性和未来的工作。

第四篇.png

 

5. Medical Knowledge Graph to Promote Rational Drug Use: Model Development and Performance Evaluation

作者:Xiong Liao, Meng Liao, Andi Guo, Xinran Luo, Ziwei Li, Weiyuan Chen, Tianrui Li, Shengdong Du & Zhen Jia

DOIhttps://doi.org/10.1007/s44230-022-00005-z

 

摘要

知识图谱 (KG) 已被证明可有效地表达和建模结构化信息,尤其是在医学领域。然而,获取结构化医疗信息通常依赖于医学专家的人工处理。同时,医学知识图谱(MKG)的构建仍然是医学信息化中的一个关键问题。本文提出了一种通过构建MKG来推动合理用药(RDU)的应用的创新方法。我们首先从各类资源中收集和预处理语料库,然后通过研究 RDU 领域中的概念、权威书籍和药品说明书开发医学本体。基于医学本体,我们制定了我们制定了注释语料库方案,并构建用于提取实体和关系的数据集。我们利用两种机制分别提取实体和关系。前者基于深度的学习,而后者是基于规则的方法。在最后阶段,我们对实体关系提取的结果进行歧义消除和标准化以构建和丰富MKG。实验结果验证了所提方法的有效性。

第五篇.png