Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Integración de conjuntos longitudinales para la clasificación secuencial con datos multimodales

Created by
  • Haebom

Autor

Aviad Susman, Rupak Krishnamurthy, Yan Chak Li, Mohammad Olaimat, Serdar Bozdag, Bino Varghese, Nasim Sheikh-Bahaei, Gaurav Pandey

Describir

Este artículo se centra en el modelado eficaz de datos longitudinales multimodales, una tarea importante en diversas áreas de aplicación, especialmente en biomedicina. Tras señalar las limitaciones de estudios previos que no consideran suficientemente la multimodalidad, desarrollamos varias configuraciones de Integración Longitudinal por Conjuntos (LEI), un novedoso marco de aprendizaje longitudinal multimodal para la clasificación secuencial. Evaluamos el rendimiento de LEI y lo comparamos con los métodos existentes en el diagnóstico precoz de la demencia, demostrando que supera a los métodos existentes al mejorar la integración a lo largo del tiempo mediante el uso de predicciones de referencia intermedias generadas a partir de modalidades de datos individuales. Además, está diseñado para identificar características que son consistentemente importantes para la predicción del diagnóstico relacionado con la demencia. En conclusión, este estudio demuestra el potencial de LEI para la clasificación secuencial a partir de datos longitudinales multimodales.

Takeaways, Limitations

Takeaways:
Presentamos LEI, un nuevo marco para el modelado efectivo de datos longitudinales multimodales.
Integración mejorada a lo largo del tiempo mediante el aprovechamiento de predicciones intermedias de modalidades individuales.
Se logró un rendimiento superior en comparación con los métodos existentes en problemas de clasificación secuencial, como el diagnóstico temprano de la demencia.
Capacidad para identificar características importantes de manera consistente a lo largo del tiempo.
Limitations:
Se necesitan más investigaciones para determinar la generalización del marco LEI propuesto.
Se necesitan experimentos adicionales y validación en varios conjuntos de datos longitudinales multimodales.
Dado que estos son resultados de investigación para una enfermedad específica (demencia), se necesita más investigación sobre su aplicabilidad a otras enfermedades.
👍