研究人员开发了CAN-FLOW，一个用于为虚拟队列生成逼真心脏解剖数据的新框架。该方法利用条件归一化流，根据性别、年龄和体重指数等因素对解剖变异性进行建模。CAN-FLOW在2,208名英国生物银行受试者的数据上进行了训练，在重现临床表型分布和解剖趋势方面，其性能优于条件变分自编码器。该框架旨在解决心脏数字孪生研究中的数据限制问题，并促进计算机模拟临床试验工作流程。 AI
影响 这项研究通过提供一种生成多样化且逼真解剖数据的方法，有可能加速数字孪生在医学研究中的开发。
排序理由 该集群包含一篇详细介绍合成数据生成新方法的学术论文。[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 →
