Marta Hasny

新的RoVTL框架解决了多模态学习中缺失的表格数据问题

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。