新框架利用时间图和对比学习对疾病轨迹进行建模

研究人员开发了一个新颖的对比表示学习框架，旨在对纵向临床数据中的复杂疾病轨迹进行建模。该方法利用时间图，其中节点代表患者随时间的观察，边捕获轨迹之间的时间和结构关系。通过采用结构感知随机游走和对比图神经网络，该框架生成保留时间上下文和轨迹拓扑的嵌入，从而实现更稳健的患者队列聚类并揭示数据中的潜在结构。 AI

影响 这项研究引入了一种分析复杂健康数据的新方法，有可能改善疾病预测和患者分层。

排序理由 该集群包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• computer science
• Contrastive graph neural networks
• Contrastive Representation Learning of Longitudinal Disease Trajectories on Temporal Graphs
• Hugging Face
• machine learning
• temporal graphs

• 论文
• 模型发布
• 其他

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