Camós

新型CAMOS模型改进多模态临床时间序列分析

研究人员开发了CAMOS，一种新的多模态临床时间序列模型，旨在处理不完整和不规则采样的数据。与以往掩盖缺失模态的模型不同，CAMOS根据数据的可用性动态调整其转移算子。这种方法可以更准确地表示不同临床测量之间的相互作用。CAMOS在阿尔茨海默病神经影像计划（ADNI）数据集上，在分期、里程碑预测和预测方面表现出卓越的性能，并在零样本迁移到OASIS-3数据集方面显示出鲁棒性。