跳到主要内容
检索

VIT Bhopal University

2 篇关联报道

订阅更新
  1. Discover Computing

    帕金森诊断不再只看单一模态:语音、步态、影像与临床放进一张动态异质图,外部欧洲队列零样本仍有95.8%

    帕金森病诊断长期依赖症状与专家评估,多模态数据异质、标注稀缺,现有深度模型又缺少不确定性提示。NeuroQ-MGST把语音、步态、神经影像与临床指标分别经脉冲神经网络编码,用自监督对比与掩码重建对齐,再在动态异质图上做分层图Transformer关系推理,并以量子启发变分优化和蒙特卡洛Dropout给出校准置信度。在PMMD 2.0测试集上准确率98.7%、AUC-ROC 0.989,未微调的外部欧洲队列零样本准确率95.8%。

  2. medRxiv

    PCOS筛查不再只看总准确率:最罕见亚型召回从75%升到87.5%

    多囊卵巢综合征的机器学习筛查长期只报告一个二分类准确率,掩盖了各临床亚型之间的差异。在541名患者的公开数据集上,调优后的随机森林各亚型准确率从最罕见亚型的75.0%到最常见亚型的97.8%,相差22.8个百分点,剔除用于定义亚型的七个变量后差距为23.3个百分点。一种由随机森林筛选特征、遗传算法调参的多任务神经网络同时预测二分类标签与亚型,保持90.2%的二分类准确率,把最罕见亚型召回从75.0%提高到87.5%,把难以归类病例的召回从多分类模型的31.5%提高到79.6%。

已读完全部报道