仅需O(klogn)次混合检测！LoSc超快速解码大规模筛查框架
Sparse Identification for Automatic Large-Scale Screening: A Constraint-Aware Framework with Ultra Fast Decoding Algorithm
📖 AI 总结
本文提出一种名为LoSc（Logic Screening）的大规模筛查框架，旨在解决疫情初期检测试剂与检测能力受限条件下，从大规模人群中识别少量感染者的稀疏识别难题。现有分组检测方法普遍存在计算复杂度高或识别准确率低的问题，且缺乏对样本使用约束和稀释效应等实际硬约束的理论分析。LoSc的核心创新在于引入一种基于简单选择策略的超快速解码算法，仅依靠逻辑运算即可完成解码，支持直接硬件实现，并能在O(klogn)次混合检测内识别出全部阳性样本。该框架将稀释效应与样本使用约束显式纳入池化设计，并建立理论保证以指导最优池化配置。大量仿真实验验证了其在有效性、效率和可扩展性方面的优越表现，为自动化大规模筛查提供了快速可靠的解决方案。
🔑 关键词速览
| LoSc (Logic Screening) | 本文提出的逻辑筛查方法，一种基于逻辑运算的超快速大规模筛查框架。 |
| Group Testing | 分组检测，通过混合多个样本进行检测以识别阳性个体的方法。 |
| Sparse Identification | 稀疏识别，在大量样本中识别出少数阳性样本的问题。 |
| Dilution Effect | 稀释效应，混合样本时阳性样本被稀释导致检测灵敏度下降的现象。 |
| Pooled Tests | 混合检测，将多个样本混合在一起进行的检测。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅