PulseAugur
实时 09:10:40
English(EN) CALM: Interpretable Cross-Modal Alignment for Biomarker Discovery from Unpaired Data

新的CALM框架连接来自不同数据集的脑成像和遗传学信息

研究人员开发了一个名为CALM的新框架,旨在揭示脑成像数据和遗传信息之间的可解释关联,即使这些数据集来自完全不同的群体。CALM通过使用线性投影将两种模态对齐到一个共享的潜在空间来实现这一点。这些投影不仅匹配数据分布,还确保了群体可分离性,从而产生了遗传通路与大脑区域之间可解释的联系。当应用于自闭症谱系障碍时,CALM识别出特定皮质区域与免疫/代谢通路之间的联系,这与现有的科学文献一致。 AI

影响 能够对来自不同来源的生物数据进行跨模态分析,有可能加速复杂疾病的生物标志物发现。

排序理由 该集群包含一篇详细介绍用于分析生物数据的新计算框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的CALM框架连接来自不同数据集的脑成像和遗传学信息

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jueqi Wang, Zachary Jacokes, John Darrell Van Horn, Kevin A. Pelphrey, Michael C. Schatz, Archana Venkataraman ·

    CALM: Interpretable Cross-Modal Alignment for Biomarker Discovery from Unpaired Data

    arXiv:2607.01656v1 Announce Type: new Abstract: The interaction between brain structure and genetic influences is key to understanding neuropsychiatric disorders. However, most large-scale datasets are unimodal, providing either neuroimaging or genetics data. We propose CALM, a f…