实体
Maxx Richard Rahman
Maxx Richard Rahman
PulseAugur coverage of Maxx Richard Rahman — every cluster mentioning Maxx Richard Rahman across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
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。
-
LongMoE框架解决了多模态临床学习中的缺失数据问题
研究人员推出了一种新颖的框架LongMoE，旨在解决多模态临床学习的复杂性。该方法有效解决了两个关键挑战：不同患者模态中的数据缺失以及疾病进展的时间动态。通过整合上下文感知填充、轨迹感知编码和一个稀疏专家混合系统，LongMoE即使在患者数据不完整或不一致的情况下，也能对疾病随时间的演变进行建模。
-
AgentPLM 集成反馈以实现高级蛋白质设计
研究人员开发了 AgentPLM，这是一种新颖的蛋白质语言模型，旨在实现更有效的蛋白质序列设计。与一次性生成序列的传统模型不同，AgentPLM 通过一种称为推理增强解码的过程整合外部生物物理反馈。这使得模型能够咨询 ESMFold 和 FoldX 等工具，并通过对比剂策略优化学习何时使用此反馈。该模型通过展示在线纠错能力，在酶和抗体设计等各种蛋白质设计任务中表现出最先进的性能。