研究人员开发了一个新的跨模态表示对齐框架，用于利用 CT 成像和纵向电子健康记录 (EHR) 改进事件发生时间 (TTE) 预测。这种由基础模型驱动的方法通过在共享的潜在空间中通过各种融合策略对齐数据，解决了模态不平衡和分布偏移等挑战。该框架在不同 TTE 任务的预测准确性方面表现出一致的改进，特别是在肺栓塞死亡率方面，对比多模态融合显示出稳健的结果。 AI
影响 任务感知的多模态对齐被确立为临床 TTE 预测中稳健泛化的关键原则。
排序理由 该集群包含一篇学术论文，详细介绍了特定领域多模态数据分析的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- cardiovascular disease
- Co-Attention Network With Question Type for Visual Question Answering
- computed tomography
- contrastive alignment
- electronic health records
- Mace
- pulmonary embolism
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →