跳到主要内容
检索

Children's Hospital of Philadelphia

4 篇关联报道

订阅更新
  1. 多模态模型解释不再需要看内部:MultiSHAP把图文交互拆到图像块与词元对

    多模态模型能答题、能检索,但具体哪块图像与哪个词共同推高某个输出分数,此前难以量化。MultiSHAP用合作博弈论中的Shapley交互指数,在只能查询、不能读取参数或梯度的条件下,为每一对图像块与文本词元估计协同或抑制的二阶交互。在VQAv2的500个样本上,按该矩阵排序删除图像块使目标答案概率平均下降0.1720,而删除排名最低的图像块仅下降0.0032。

  2. Communications Medicine

    脑连接发育有了个体参照:BRIDGE把脑龄误差再降3%–9%,自闭症男孩的偏离分数与ADOS相关

    自闭症等神经发育障碍的脑连接差异长期靠病例—对照的组平均比较,个体差异被抹平。BRIDGE把图变分自编码器与规范建模结合,用1164名神经典型者的结构连接组学出一条随年龄变化的参照轨迹,再以脑龄差给出全局偏离分数、以区域嵌入给出个体化偏离图。在229名自闭症儿童中,男性患者的全局分数与ADOS(Spearman R=−0.291)和IQ(Pearson R=0.195)相关,脑龄预测误差比同类深度学习模型低3%–9%。

  3. bioRxiv

    PALM把重叠的域与位点标注一起学:2.3百万个留出蛋白上域出现F1达0.941

    蛋白质序列库的增长远快于人工注释,而现有语言模型只从序列似然学习,InterPro中的域与功能位点知识只是间接体现。PALM以ESM2为骨干,加入LoRA适配、可学习层聚合与双向LSTM编码器,并用软目标损失允许同一残基保留多个有效标注。在2,309,606个留出蛋白上,域与位点出现F1分别为0.941和0.877;在序列一致性低于20%的子集中仍为0.857和0.828。

  4. medRxiv

    在独立外部队列中验证机器学习模型:集合模型以0.77一致性指数预测脊柱裂患者新发肾积水,并以71%准确率分类膀胱功能障碍

    本研究将此前开发的三种机器学习模型(基于压力-容积数据的深度学习卷积神经网络、基于透视影像的深度学习影像模型,以及平均两者风险数据的集合模型)适配到单一机构2016至2025年间脊柱裂患者的独立外部队列,用于预测新发肾积水和分类膀胱功能障碍严重程度;在70例肾积水队列中13例(18%)发生新发肾积水,集合模型一致性指数0.77(压力-容积0.70、影像0.72)、总体AUROC 0.75(压力-容积0.67、影像0.74),在95次VUDS检查的膀胱功能障碍分类中集合模型准确率71%(压力-容积60%、影像66%),与专家儿科泌尿科医师评审无实质性分歧,结论是这些模型可适配外部独立数据集并达到与

已读完全部报道