实体 CausalFlow-T

CausalFlow-T

PulseAugur coverage of CausalFlow-T — every cluster mentioning CausalFlow-T across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_20483 · May 6 · 16:53

LLM 和归一化流用于处理不完整的医疗保健数据以估计治疗效果

研究人员开发了一种新颖的两阶段流程 CausalFlow-T，旨在从不完整的纵向电子健康记录中改进治疗效果估计。第一阶段利用具有 LSTM 编码的 DAG 约束归一化流进行精确的反事实推断，第二阶段则采用 LLM 驱动的插补器来处理缺失数据。与统计基线相比，这种组合方法在各种缺失水平下均能更优地保留平均治疗效果的恢复。