在本文中，我们研究了六种低资源的机器翻译系统的开发和使用，这些机器翻译系统在乌克兰语言和波罗的海国家的每种官方语言之间翻译。我们开发了这些系统，以应对乌克兰军事侵略造成的乌克兰难民危机的升级，希望它们可能对难民和公共行政部门有所帮助。现在，在MT系统公开两个月后，我们分析了它们的使用模式和统计数据。我们的发现表明，拉脱维亚 - 乌克兰人和立陶宛 - 乌克兰系统被整合到波罗的海国家的公共服务中，从而导致了1.27亿个对立陶宛 - 乌克兰系统的翻译句子。在这些发现的激励下，我们通过更好的乌克兰顶级翻译进一步增强了MT系统，并发布了立陶宛 - 乌克兰系统的改进版本。
translated by 谷歌翻译
内容创建者和翻译人员需要合并对不同主题字段和语言的当前和可靠术语的访问。在机器翻译，语音识别，信息提取和其他自然语言处理工具等AI应用中，还需要术语。在这项工作中，我们通过提供开放式术语管理解决方案 - Eurotermbank工具包来促进基于标准的术语资源共享和管理。它允许组织通过参与联合数据库网络来管理和搜索其术语，创建术语收集并在组织内部和外部共享。联合数据库中策划的数据将与欧洲最大的多语言术语资源Eurotermbank自动共享，允许翻译人员和语言服务提供商以及研究人员和学生在其最新版本中访问术语资源。
translated by 谷歌翻译
用于头部和颈鳞状细胞癌（HNSCC）的诊断和治疗管理由常规诊断头和颈部计算断层扫描（CT）扫描引导，以识别肿瘤和淋巴结特征。折叠延伸（ECE）是患者的患者生存结果与HNSCC的强烈预测因子。在改变患者的暂存和管理时，必须检测ECE的发生至关重要。目前临床ECE检测依赖于放射科学医生进行的视觉鉴定和病理确认。基于机器学习（ML）的ECE诊断在近年来的潜力上表现出很高的潜力。然而，在大多数基于ML的ECE诊断研究中，手动注释是淋巴结区域的必要数据预处理步骤。此外，本手册注释过程是耗时，劳动密集型和容易出错。因此，在本文中，我们提出了一种梯度映射引导的可解释网络（GMGenet）框架，以自动执行ECE识别而不需要注释的淋巴结区域信息。提出了梯度加权类激活映射（GRAC-CAM）技术，以指导深度学习算法专注于与ECE高度相关的区域。提取信息丰富的兴趣（VoIS），无需标记淋巴结区域信息。在评估中，所提出的方法是使用交叉验证的训练和测试，可分别实现测试精度和90.2％和91.1％的AUC。已经分析了ECE的存在或不存在并与黄金标准组织病理学发现相关。
translated by 谷歌翻译