研究人员开发了一个新的联邦域泛化框架，以提高AI模型在分类呼吸音时的准确性，特别是在处理由不同听诊器引起的差异时。所提出的因果启发的模态方法结合了风格干预网络、反事实文本增强和梯度对齐，以创建设备不变的表示。该方法基于一个多模态语言-音频预训练模型，在ICBHI和SPRSound数据集的验证测试中，其性能优于传统的数据增强和联邦学习技术。 AI
影响 提高AI模型对设备变化的鲁棒性，从而能够更广泛地部署到医疗保健领域。
排序理由 学术论文，详细介绍了AI模型泛化的新颖方法论。[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 →
