CMGL多组学图学习提升癌症亚型分类
热点事件持续更新
CMGL多组学图学习提升癌症亚型分类
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Boyang Fan 等作者提交论文，提出 CMGL——一种置信度引导的多组学图学习方法，用于癌症亚型分类。该方法通过证据深度学习为每位患者估计各模态置信度，在融合前固定该值，再在独立构建的一致性患者邻域图上完成分类。 在四个 MLOmics 癌症亚型任务上，CMGL 平均准确率超过最强基线 4.03%，并在 32 类泛癌任务上持续领先。其表征可恢复 BRCA 的 PAM50 内在亚型；在 BRCA 上训练的模型无需微调即可迁移至 KIRC，将患者分为预后显著不同的组。
AI 根据报道生成 · 55 分钟前更新
最新进展10月9日 12:00
CMGL：面向癌症亚型分类的置信度引导多组学图学习报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.LGCMGL：面向癌症亚型分类的置信度引导多组学图学习
CMGL 通过证据深度学习为每位患者估计各模态置信度，并在融合前固定该值，再在独立构建的一致性图上完成分类。在四个 MLOmics 癌症亚型任务上，其平均准确率超过最强基线 4.03%，并在 32 类泛癌任务上持续领先。其表征可恢复 BRCA 的 PAM50 内在亚型，且在 BRCA 上训练的模型无需微调即可迁移至 KIRC，将患者分为预后显著不同的组。
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。