HyperNSDE：个性化神经SDE生成临床数据

Perrine Chassat 与 Agathe Guilloux 提交论文，提出 HyperNSDE——一种连续时间生成模型，用于联合生成静态与纵向临床数据。它通过超网络把潜在 Neural SDE 以静态患者表征为条件，使基线特征无需轨迹编码器即可影响轨迹演化，并用随机潜在动态刻画生成路径的变异性。 模型还以潜在状态依赖的强度过程联合建模观测时间，并用确定性-随机路径分解与非对抗性签名核目标稳定不规则随机路径的训练。作者称，在模拟和真实临床数据集上观测时间保真度有所提升，而预测与相关性指标受观测网格规律性和轨迹平滑度影响。

AI 根据报道生成 · 7 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。