研究人员开发了RoVTL，一个新颖的框架，旨在处理多模态学习中缺失的表格数据，特别是在医疗生物样本库方面。该框架在下游调优时采用对比预训练（模拟缺失）和独特的“表格更多对更少”损失函数，以确保无论数据完整性如何，都能获得一致的性能。RoVTL在英国生物样本库的心脏MRI扫描中表现出卓越的鲁棒性，并有望推广到其他医学影像数据集甚至自然图像。 AI
排序理由 该集群包含一篇研究论文，详细介绍了一种用于处理缺失数据的多模态学习新框架。[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 →
