美国计算机学会（ACM）和计算机科学教师协会（CSTA）从全美高中毕业生中挑选了四名高中生参加ACM/CSTA高中计算机餐具奖符合条件的学生通过提交一个涉及现代技术和计算机科学的项目/工件来申请该奖项。一组评委根据项目的独创性、复杂性、相关性和独创性选择了获奖者。
Cutler-Bell奖促进了计算机科学领域的发展，并赋予学生超越传统课堂环境的计算挑战能力。2015年，David Cutler和Gordon Bell设立了该奖项。Cutler是数字设备公司（Digital Equipment Corporation）的软件工程师、设计师和多个操作系统的开发人员。贝尔是一名电气工程师，是微软研究院的名誉研究员。
每位餐具奖得主都会获得10000美元的现金奖励。奖金金额被送往该学生明年将就读的机构的财政援助办公室，然后用于支付每个学生的学费。今年的Cutler-Bell奖获得者将在计算机科学教师协会2024年会7月16日至19日，拉斯维加斯。
获奖项目说明了下一代计算机科学家正在开发的各种应用程序。
肖布希特·阿加瓦尔德克萨斯州弗里斯科市里迪高中
每三年，Shobhit Agarwal都会去印度Jhansi看望他的祖父母。Jhansi是印度北部一个医疗基础设施最差的城镇，85%的人口没有参加年度体检。在看到祖父的精神衰退后，阿加瓦尔沉浸在祖父母的家乡，采访当地居民和医生。他被迫创建一个低成本的系统，在识别各种疾病的同时预测疾病的进展。该系统是OmniDoc，它是一个框架，可以准确预测给定患者档案的诊断、预测和治疗。该系统目前以两种方式部署在Jhansi。首先，Naja医院的医院志愿者挨家挨户上门访问，收集患者信息。这些数据被输入到阿加瓦尔的框架中，如果算法检测到疾病，患者可以免费预约当地医生；模型数据随后被转发给医生。访问了500户家庭，其中近40%的患者根据算法识别的风险被送往诊所。医院统计数据显示，95%因该活动而到达诊所的患者随后得到了医生的确认，这表明该模型用最少的数据准确地识别了患者的病情。这一成功导致在Jhansi骨科医院部署了OmniDoc，用于其15人的放射科。
弗兰齐斯卡·博内夫弗吉尼亚州Cave Spring隐谷高中
在大三的时候，Franziska Borneff开始对监测北极河流的流速感兴趣。利用她新开发的编码技能，她开始为气候研究绘制图表和进行趋势分析。她自己的研究与有关气候变化的新闻文章一致，这影响了她继续研究这些数据趋势。北极河流在检测气候变化过程中非常重要，因为它们直接影响生态系统和人类生计。Borneff研究了大气和水道之间的关系，得出的结论是气温、河流流量和海冰浓度是最重要的数据点。她的研究创造了一种方法来追踪与北极河流春季解冻相关的关键日期，并评估其对当地人口的影响。她从六条主要北极河流的公开来源收集了每日温度、河流流量和海冰覆盖数据，发现解冻日期比以往任何时候都要早。博内夫随后与阿拉斯加马歇尔市尤皮克爱斯基摩村的学生联系，了解早期解冻对当地社区的影响。通过这次会议，她读到了一些故事，讲述了人们熟悉的自然节奏是如何被打乱的，以及尤皮克人由于这些变化而面临的不确定的未来。博内夫希望她的研究能激发敏感北极地区的研究，并启发政治家们根据科学认识采取政府行动。记录变暖的定量数据和证明数据准确性的人类叙述之间的合作至关重要。
丹尼尔·马修马里兰州普尔斯维尔普尔斯维尔高中
丹尼尔·马修（Daniel Mathew）的项目MiniMesh在发明和改进之间跳跃。马修从床头柜开始，倾倒废弃的电子零件，组装了一个名为PreVis的设备，用安装在可控伺服装置上的LiDAR跟踪人体上单个点的位置，以进行运动分析。PreVis无处不在，从在国会讨论他到在研究会议上介绍他。PreVis是马修走向人机交互的第一步。PreVis随后演变为免费移动应用程序MiniProse。马修研究了当前姿势估计解决方案的数学，然后开发了MiniProse的核心算法。最终的算法MiniMesh放弃了最初的两个原型，从头开始构建。Mathew开发了一个新的框架。通过数学证明优化身份和编写机器学习算法，MiniMesh可以用数千个点重建整个人类网格。马修将此算法应用于皮肤癌研究公司和军事组织的增强现实手术。通过在便携式设备上实时预测人体上数千个点的位置，MiniMesh在多个领域都有应用。在最初的生物力学用例中，MiniMesh可以通过跟踪关节位置和分析人体运动的代谢成本来改进运动技术，从而用于现场步态分析。对于辅助手术，MiniMesh准确高效地映射人体拓扑以帮助外科医生。对于动画，MiniMesh复制了昂贵的VFX，使业余动画师可以免费使用。
Kosha Upadhyay公司华盛顿州贝尔维尤贝尔维尤高中
Kosha Upadhyay看着她与痴呆症斗争了八年的邻居。在他去世后，她想了解痴呆症患者的挣扎，并开始在一家痴呆症护理中心做志愿者。Upadhyay知道她不能把这些患者失去的东西还给他们，但她想保留他们留下的东西。这激励她致力于为痴呆患者创造更好的治疗方法。这种名为MemSpark的治疗方法是一种自动化的端到端系统，它使用虚拟现实创建了一种新颖的大脑训练疗法，并通过人工智能跟踪痴呆症的进展。Upadhyay研究了大脑形态和神经变性，以创建一种从根本上影响痴呆症的治疗方法。由于衰退会影响大脑的任何部分，她设计了一套新颖的游戏，锻炼大脑的所有部分。通过考虑一组促进因素（沉浸、自信、专注）和预防因素（焦虑、沮丧、自怜），设计了八个严肃游戏来锻炼所有认知功能。每一个严肃的游戏都会产生一组两个特征——准确性和时间，然后输入到人工智能模型中进行分析。虚拟现实（VR）系统生成的数据经过预处理并传递到人工智能模型中。在研究了多种人工智能模型后，Upadhyay选择了多层感知器神经网络，因为它适合数据模式，并且具有高精度和回归适应性。神经网络产生了三个类别的认知特征分数：回忆、推理和执行功能。这些资料与ADAS-Cog测试（一种评估痴呆症的行业标准测试）相一致。Upadhyay对14名被分为实验组和对照组的患者进行了治疗测试。她的解决方案能够将痴呆症的进展减缓65%，这超过了目前的主流疗法，并有可能改善我们治疗痴呆症的方式。
