MIMIC-CXR 上弱监督多模态学习
机器学习
2024-11-18 v1
摘要
多模态数据集成与标签稀缺是医疗环境中机器学习面临的重大挑战。为此，我们对新近提出的多模态变分混合专家（MMVM）变分自编码器在具有挑战性的 MIMIC-CXR 数据集上的表现进行深入评估。我们的分析表明，MMVM VAE 在所有其他多模态 VAE 以及完全监督方法中均表现出更佳的性能，凸显其在实际医疗应用中的强大潜力。
引用
@article{arxiv.2411.10356,
title = {Weakly-Supervised Multimodal Learning on MIMIC-CXR},
author = {Andrea Agostini and Daphné Chopard and Yang Meng and Norbert Fortin and Babak Shahbaba and Stephan Mandt and Thomas M. Sutter and Julia E. Vogt},
journal= {arXiv preprint arXiv:2411.10356},
year = {2024}
}
备注
Findings paper presented at Machine Learning for Health (ML4H) symposium 2024, December 15-16, 2024, Vancouver, Canada, 13 pages. arXiv admin note: text overlap with arXiv:2403.05300