研究人员开发了一种方法，通过对齐其数据依赖的坐标系统，在独立训练的健康基础模型之间转移信息。该方法使用线性分解从固定的嵌入中提取类似符号的组件，并通过简单的线性映射在模型之间进行对齐。这些对齐的符号显示出与健康状况和生理属性的选择性关联，在不同模态和架构中展现出相似的模式。在一个模型上训练的分类器应用于另一个模型时，其性能保留率超过95%，表明这些健康模型在底层生理学的共同表示上趋于一致。 AI
影响 这项研究为开发更具互操作性和可泛化性的健康AI模型指明了方向，有望加速临床应用。
排序理由 该集群包含一篇详细介绍新研究成果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
