1,720,962 research outputs found
AI-based hip prosthesis failure prediction through evolutional radiological indices
No full textIntroductionThis study aimed to develop artificial intelligence models for predicting hip implant failure from radiological features. Analyzing the evolution of the periprosthetic bone and implant's position throughout the entire follow-up period has shown the potential to be more relevant in outcome prediction than simply considering the latest radiographic images. Thus, we investigated an AI-based model employing a small set of evolutional parameters derived from conventional radiological features to predict hip prosthesis failure.Materials and methodsOne hundred sixty-nine radiological features were annotated from historical anteroposterior and lateral radiographs for 162 total hip arthroplasty patients, 32 of which later underwent implant failure. Linear regression on each patient's chronologically sorted radiological features was employed to derive 169 corresponding evolutional parameters per image. Three sets of machine learning predictors were developed: one employing the original features (standard model), one the evolutional ones (evolutional model), and the last their union (hybrid model). Each set included a model employing all the available features (full model) and a model employing the few most predictive ones according to Gini importance (minimal model).ResultsThe evolutional and hybrid predictors resulted highly effective (area under the ROC curve (AUC) of full models = 0.94), outperforming the standard one, whose AUC was only 0.82. The minimal hybrid model, employing just four features, three of which evolutional, scored an AUC of 0.95, proving even more accurate than the full one, exploiting 173 features. This tool could be shaped to be either highly specific (sensitivity: 80%, specificity: 98.6%) or highly sensitive (sensitivity: 90%, specificity: 92.4%).ConclusionThe proposed predictor may represent a highly sensitive screening tool for clinicians, capable to predict THA failure with an advance between a few months and more than a year through only four radiological parameters, considering either their value at the latest visit or their evolution through time
FraudCleaner : an unsupervised ensemble approach for money laundering and financial fraud detection
No full textLAUREA MAGISTRALEPer “riciclaggio di denaro” si intende l’insieme di operazioni attuate per dare
una parvenza lecita a capitali provenienti da attività illecite. Il fenomeno del
riciclaggio di denaro è a livello mondiale la maggiore attività finanziaria fraudolenta, e si stima che generi annualmente un flusso di denaro compreso tra gli
1,6 e i 2,85 trilioni di dollari, equivalenti ad una percentuale tra l’1,6% e il 4%
del prodotto interno lordo mondiale. La lotta al fenomeno intrapresa da banche
ed enti finanziari, soggetti all’attuazione di specifiche norme anti-riciclaggio,
si divide tra prevenzione e rilevamento attivo; quest’ultimo è effettuato da
analisti esperti del settore che effettuano controlli costanti sulle transazioni
finanziarie effettuate dai clienti delle suddette imprese. Vista l’enorme mole
di operazioni finanziarie effettuate quotidianamente a livello globale, il compito degli analisti è diventato sostenibile solo attraverso il supporto di sistemi
automatici di rilevamento di attività fraudolente, basati su algoritmi di rilevamento anomalie. Questi sistemi forniscono stime sulla probabilità che ciascuna attività finanziaria sia lecita oppure fraudolenta, indicando quali casi
sono ritenuti maggiormente sospetti e richiedenti dunque un’analisi manuale e
dettagliata da parte dell’analista.
Lo scopo di questa tesi è lo sviluppo di un sistema di rilevamento di attività finanziare fraudolente, che possa supportare un analista nel processo di
individuazione. Il sistema proposto, chiamato FraudCleaner, è costituito da
un ensemble di due algoritmi di apprendimento non supervisionato allo stato
dell’arte: autoencoder e isolation forest. FraudCleaner costruisce modelli comportamentali degli utenti che effettuano attività finanziarie a partire da dati storici, dove un “utente” può essere un account bancario, una carta di credito, una banca, o una qualsiasi entità in grado di effettuare dei movimenti
finanziari. I modelli sono addestrati tramite vettori che riassumono il profilo di
spesa di questi utenti all’interno di archi di tempo definiti, ottenuti aggregando
le informazioni di singole transazioni. Il processo di aggregazione è effettuato
per analizzare il comportamento degli utenti con una prospettiva più ampia
di quella della singola transazione, in quanto un’unica istanza di attività fraudolenta coinvolge spesso molteplici transazioni. Ciò rende dunque necessario
costruire modelli che le considerino a gruppi, anzichè singolarmente, per poter
rilevare le frodi.
Una volta costruiti i modelli, il sistema produce degli score di anomalia per
le nuove attività effettuate dagli utenti, che rappresentano una stima di quanto
queste appaiano estranee rispetto ai comportamenti modellizzati, e restituisce
una classifica ordinata per valori decrescenti di questo score.
E` importante sottolineare come FraudCleaner sia disegnato per offrire all’analista che lo utilizza flessibilità e personalizzazione per quanto riguarda l’aggregazione dei dati, la derivazione dei vettori e l’addestramento dei modelli.
Le funzionalità offerte dal sistema sono state pensate in collaborazione con
gli esperti di Fortytwo Data, azienda londinese specializzata nello sviluppo di
sistemi anti-riciclaggio. FraudCleaner è inoltre progettato per poter operare
anche su dati non finanziari, come strumento di rilevamento anomalie generico.
L’intero sistema è sviluppato utilizzando Python 2.7.
La validazione sperimentale di FraudCleaner è suddivisa in tre parti, con
tre diversi obiettivi. Nella prima parte il nostro ensemble viene confrontato con
altre soluzioni di rilevamento anomalie allo stato dell’arte, su nove dataset reali
provenienti da diversi domini. Nella seconda viene valutata la performance dei
due algoritmi che costituiscono l’ensemble a livello di tempo di computazione
richiesto per addestrare un modello, in un range di condizioni costruito per
coprire quelle medie in cui si prevede il sistema dovrà operare in un contesto
reale, per dimostrare la sua idoneità ad essere impiegato per modellizzare individualmente svariate migliaia di utenti. Nell’ultima, il sistema viene valutato
nel contesto anti-riciclaggio, testando il rilevamento di tre diversi pattern fraudolenti legati al riciclaggio riconosciuti dalla Financial Action Task Force on
Money Laundering (FATF, organizzazione intergovernativa che si occupa dello
sviluppo di normative anti-riciclaggio), ciascuno sviluppato in tre diversi livelli
di difficoltà di rilevamento, all’interno di un dataset sintetico creato in collaborazione con gli esperti di Fortytwo Data.
Dagli esperimenti sono emersi i seguenti risultati: il nostro ensemble ottiene in media performance superiori a tutte le altre soluzioni di rilevamento
anomalie allo stato dell’arte considerate, risultando il migliore su ben sette
dei nove dataset utilizzati. Gli algoritmi costituenti l’ensemble mostrano un
tempo di addestramento di un singolo modello in condizioni medie di lavoro
nell’ordine dei secondi, dimostrando la perfetta applicabilità della soluzione
alla modellizzazione individuale degli utenti nel contesto finanziario. In ultimo, FraudCleaner risulta in grado di fornire una classifica delle attività finanziarie svolte all’interno di un singolo giorno da 4000 utenti che colloca in
media il 79,89% di quelle fraudolente nelle prime 160 posizioni, corrispondenti
al 4% del totale di attività effettuate. Questa percentuale sale al 92,17% se
si considerano le prime 300 posizioni, ossia il 7,5% del totale. Il sistema si
dimostra capace di rilevare con successo tutti i diversi tipi di anomalia nei
diversi livelli di difficoltà, ottenendo nello specifico l’inclusione nelle prime 160
posizioni della classifica (4% del totale) del 90,91% delle frodi di primo livello,
dell’82,54% delle frodi di secondo livello e del 65,86% di quelle di terzo livello,
ossia le più difficili da individuare. Nel complesso, FraudCleaner si dimostra
dunque un efficace sistema di supporto nel rilevamento di frodi finanziarie, in
particolare nel contesto anti-riciclaggio, capace di ridurre considerevolmente
il lavoro richiesto ad un analista per effettuare le analisi e rilevare le attività
fraudolente.Money laundering is the world’s widest spread financial fraudulent activity,
accounting for an estimated flow between 2.85 trillion per year,
corresponding to 2.1-4% of the global GDP. To fight this phenomenon, financial
institutions provide their analysts with fraud detection tools, more generically
called anomaly detection tools.
In this thesis we present FraudCleaner, a financial fraud detection tool
constituted by an ensemble of two unsupervised algorithms, autoencoder and
isolation forest. The system is designed to be as generic as possible, in order
to allow its usage also for anomaly detection on non-financial data.
The experimental validation of FraudCleaner is divided into three parts.
First, we compare our approach against other state-of-the-art solutions, on
nine real-world datasets from various domains; then, we evaluate the computation time performance of the algorithms composing the ensemble; finally,
we test the system in the detection of specific fraudulent patterns recognized
by the Financial Action Task Force on Money Laundering (FATF), on a synthetic dataset crafted in collaboration with the anti-money laundering experts
of London-based company Fortytwo Data. Results show that FraudCleaner
outperforms all the considered state-of-the-art solutions and allows to train
one model in less than one minute. On average, the system is capable of assigning anomaly scores to financial transactions producing a daily ranking that
places 79.89% of frauds in the top 4%, and 92.17% in the top 7.5%
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Get PDFWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
Author-wise bibliometric analysis based on entropy.
No full textAuthor-wise bibliometric analysis based on entropy.</p
- …
