CMGL：置信度引导多组学图学习用于癌症分型
热点事件持续更新
CMGL：置信度引导多组学图学习用于癌症分型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
一篇arXiv论文提出CMGL方法，用于癌症亚型分类：它先用证据深度学习为每位患者估计各模态的置信度，在融合前固定这些值，再在独立构建的一致性图上做分类。作者报告称，在四个MLOmics癌症亚型任务上，其平均准确率超过最强基线4.03%，在32类泛癌任务上也持续领先；其表征可恢复BRCA的PAM50内在亚型，在BRCA上训练的模型无需微调即可迁移至KIRC，并将患者分为预后显著不同的组。 这些结果来自作者自报，基于arXiv预印本，尚未说明经同行评审或独立复现。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
CMGL：面向癌症亚型分类的置信度引导多组学图学习报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.LGCMGL：面向癌症亚型分类的置信度引导多组学图学习
CMGL 通过证据深度学习为每位患者估计各模态置信度，在融合前固定这些值，并在独立构建的一致性图上做分类。在四个 MLOmics 癌症亚型任务上，其平均准确率超过最强基线 4.03%；在 32 类泛癌任务上也持续领先。其表征可恢复 BRCA 的 PAM50 内在亚型，且在 BRCA 上训练的模型无需微调即可迁移至 KIRC，将患者分为预后显著不同的组。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。