张量融合多模态数据的癌症风险预测框架提出

Ali Anaissi 等作者发表论文，提出一种无监督机器学习框架，通过张量分解融合基因组与临床数据来预测癌症风险等级。 该框架结合特征提取、张量分解与聚类，在 LinkedOmics 的 11,158 名患者、32 种癌症类型数据上完成验证。作者称，tSVD+GMM 组合在肿瘤纯度、病理分期和生存结果等临床基准上持续优于其他配置，提取的潜在特征也优于单模态特征集。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。