HyperNSDE：个体化神经SDE生成临床数据

Perrine Chassat 与 Agathe Guilloux 提交预印本论文，提出 HyperNSDE——一种连续时间生成模型：用超网络把潜在 Neural SDE 以静态患者表征为条件，让基线特征塑造轨迹演化，而无需轨迹编码器，并用潜状态依赖的强度过程联合建模观测时间。 作者称，训练通过确定性-随机路径分解与非对抗性 signature-kernel 目标实现稳定。在模拟和真实临床数据集上，观测时间保真度提升；但预测与相关性指标受观测网格规律性和轨迹平滑度影响。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。