新的TTA框架平衡多模态数据，以改进癌症生存期预测

研究人员开发了一个名为“Together Then Apart”（TTA）的新框架，用于癌症预后中的多模态生存期分析。该方法旨在通过首先对病理图像和基因组图谱等不同数据类型之间的表示进行对齐，以捕捉共享信号，从而改进预测。随后，TTA通过一种锚点引导的对比目标来强调保留模态特异性信息，解决了强跨模态对齐可能掩盖关键独特证据的局限性。该框架还结合了不平衡最优传输来处理模态不平衡和噪声对应关系，在TCGA癌症队列上展示了对现有生存期多模态模型的持续改进。 AI

影响 这项研究可能通过更好地利用多样化的生物医学数据，从而实现更准确的癌症预后，并可能改进治疗规划。

排序理由 学术论文，详细介绍了多模态生存期分析的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• multimodal survival analysis
• ScienceCast
• The Cancer Genome Atlas
• Together Then Apart
• Wenjing Liu

• 论文
• 其他

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