研究提出 Asymmetric SupCon 跨國醫療表徵遷移方法
热点事件持续更新
研究提出 Asymmetric SupCon 跨國醫療表徵遷移方法
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者 Qingyang Zhang 等人提出 Asymmetric SupCon，一種面向任務特定預訓練的非對稱監督對比學習目標，設計上避免將陰性結局軌跡相互拉近。該方法在台灣 NHIRD 的 398 萬名患者縱向記錄上預訓練時序 Transformer 編碼器，再遷移至美國 MIMIC-IV 與 EHRSHOT 資料集。 研究報告稱，在 MIMIC-IV 上該方法持續優於隨機初始化，並縮小與域內預訓練的差距。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
用非对称监督对比学习实现跨国家医疗表征迁移报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LG用非对称监督对比学习实现跨国家医疗表征迁移
研究者提出 Asymmetric SupCon，一种面向任务特定预训练的非对称监督对比学习目标，避免将阴性结局轨迹相互拉近。该方法在台湾 NHIRD 的 398 万名患者纵向记录上预训练时序 Transformer 编码器，并迁移至美国 MIMIC-IV 与 EHRSHOT，在 MIMIC-IV 上持续优于随机初始化并缩小与域内预训练的差距。
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。