PulseAugur
中
实时 10:14:40
English(EN) Predicting blood clot growth from sparse post-onset measurements with latent neural differential equations

潜在神经网络微分方程从稀疏数据预测血栓生长

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的计算框架，利用潜在神经网络微分方程从有限的患者数据中预测血栓生长。该方法能有效推断未知的模型参数并预测血栓进展，随着更多可用观测值的出现，准确性有所提高。该研究比较了七种概率方法，其中随机神经网络常微分方程（SNODE）和随机神经网络泛函微分方程（SNFDE）在参数推断和未来血栓生长预测方面表现最佳。 AI

影响 该框架可以实现对血栓形成等病症更个性化、更准确的医疗预测。

排序理由 详细介绍用于医疗预测的新计算框架的学术论文。[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 →

潜在神经网络微分方程从稀疏数据预测血栓生长

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Lennon J. Shikhman, Ying Qian, He Li ·

    利用稀疏发病后测量数据结合潜在神经网络微分方程预测血栓生长

    arXiv:2608.08165v1 Announce Type: new Abstract: Computational models of blood clotting improve understanding of thrombus formation, but their clinical application remains limited because many model inputs are difficult to measure and patient-specific data are often sparse. We pre…

相关话题