研究人员开发了MultiSigBERT，一个用于肿瘤学多模态序列生存建模的新框架。该方法整合了异构数据源，包括叙述性临床报告和结构化患者数据，以改进生存预测。通过利用路径签名表示和LASSO正则化的Cox模型，MultiSigBERT能够捕捉跨模态的复杂时间交互，在真实肿瘤学队列中达到了0.743的一致性指数。 AI
影响 该模型通过整合数据分析提供更准确的生存预测，有望改善肿瘤学中的临床决策。
排序理由 该集群描述了一篇关于新机器学习模型及其应用的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Cox proportional hazards model
- Hugging Face
- lasso
- Léon Bérard Center
- MultiSigBERT
- principal component analysis
- Rough Paths Theory and Impulsive Control: A Promising Connection
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
