跳到正文
原文
medRxiv 预印本· Roudbari, A., Van Hentenryck, P., Zandehshahvar, R. ·· 29 天前AI 评分18

TRACE:基于时序风险感知聚类的可解释表型发现方法,在ADNI队列中提升认知疾病诊断预测与表型发现

Interpretable Phenotype Discovery Using Temporal Risk-Aware Clustering

AI 导读

研究提出可解释时序表型方法TRACE,结合轨迹与结局感知的对比目标及概率预测表型层,在阿尔茨海默病神经影像学倡议(ADNI)队列的认知疾病建模中,诊断预测与表型发现性能均优于其他时序表型基线。该方法通过双注意力机制识别与表型分配最相关的访视和临床变量,并允许表型数量超过诊断标签,从而发现先验标签未覆盖的额外进展模式。

来源:medRxiv 预印本 · medrxiv.org