医学与健康

456 条内容

bioRxiv 2026年9月28日
该研究在合成肺动脉基准上训练3D残差通道注意力网络（RCAN）对4D flow MRI做2倍超分辨，发现加入生物标志物监督可在有、无组合正则化两种条件下降低搏动指数（PI）误差（原始主比较中12.76±2.34%对17.12±1.23%，配对差-4.35个百分点，95% CI -5.58至-3.09，p=0.0015），但PI改善并未伴随重建指标的一致提升（PSNR变化不显著，SSIM分别下降0.009和0.007），且只有相邻帧时间差分正则化而非散度正则化与PI误差的可复现恶化相关。
该研究在合成肺动脉基准上训练3D残差通道注意力网络（RCAN）对4D flow MRI做2倍超分辨，发现加入生物标志物监督可在有、无组合正则化两种条件下降低搏动指数（PI）误差（原始主比较中12.76±2.34%对17.12±1.23%，配对差-4.35个百分点，95% CI -5.58至-3.09，p=0.0015），但PI改善并未伴随重建指标的一致提升（PSNR变化不显著，SSIM分别下降0.009和0.007），且只有相邻帧时间差分正则化而非散度正则化与PI误差的可复现恶化相关。
在合成肺动脉基准上，生物标志物监督使4D flow MRI的搏动指数误差从17.12%降至12.76%
该研究在合成肺动脉基准上训练3D残差通道注意力网络（RCAN）对4D flow MRI做2倍超分辨，发现加入生物标志物监督可在有、无组合正则化两种条件下降低搏动指数（PI）误差（原始主比较中12.76±2.34%对17.12±1.23%，配对差-4.35个百分点，95% CI -5.58至-3.09，p=0.0015），但PI改善并未伴随重建指标的一致提升（PSNR变化不显著，SSIM分别下降0.009和0.007），且只有相邻帧时间差分正则化而非散度正则化与PI误差的可复现恶化相关。
该研究在合成肺动脉基准上训练3D残差通道注意力网络（RCAN）对4D flow MRI做2倍超分辨，发现加入生物标志物监督可在有、无组合正则化两种条件下降低搏动指数（PI）误差（原始主比较中12.76±2.34%对17.12±1.23%，配对差-4.35个百分点，95% CI -5.58至-3.09，p=0.0015），但PI改善并未伴随重建指标的一致提升（PSNR变化不显著，SSIM分别下降0.009和0.007），且只有相邻帧时间差分正则化而非散度正则化与PI误差的可复现恶化相关。
arXiv 2026年9月28日
该工作提出 LightMIS 系列超轻量卷积网络，用 Scale-Aligned Projection 块把五级编码器输出对齐到同一分辨率后一次性聚合、再由 Adaptive Fusion Cascade 精炼，从而取消逐级学习的解码器；在 nnU-Net v2.3.1 统一协议下对 DRIVE、Kvasir-SEG、DSB18、BUSI、ISIC-2017、ISIC-2018 做五折交叉验证，完整版以 0.131M 参数、0.575 GFLOPs 取得 86.71% 模态宏平均 Dice 与 78.99% IoU，与 Mobile U-ViT 的 86.75%/79.07% 相差 0.04 与 0.08 个百分点，同时参数减少 90.58–99.61%、GF
该工作提出 LightMIS 系列超轻量卷积网络，用 Scale-Aligned Projection 块把五级编码器输出对齐到同一分辨率后一次性聚合、再由 Adaptive Fusion Cascade 精炼，从而取消逐级学习的解码器；在 nnU-Net v2.3.1 统一协议下对 DRIVE、Kvasir-SEG、DSB18、BUSI、ISIC-2017、ISIC-2018 做五折交叉验证，完整版以 0.131M 参数、0.575 GFLOPs 取得 86.71% 模态宏平均 Dice 与 78.99% IoU，与 Mobile U-ViT 的 86.75%/79.07% 相差 0.04 与 0.08 个百分点，同时参数减少 90.58–99.61%、GF
LightMIS 用 0.131M 参数在六套医学分割数据集上取得 86.71% 模态宏平均 Dice，并在手机 GPU 上实现 100% 算子委派
该工作提出 LightMIS 系列超轻量卷积网络，用 Scale-Aligned Projection 块把五级编码器输出对齐到同一分辨率后一次性聚合、再由 Adaptive Fusion Cascade 精炼，从而取消逐级学习的解码器；在 nnU-Net v2.3.1 统一协议下对 DRIVE、Kvasir-SEG、DSB18、BUSI、ISIC-2017、ISIC-2018 做五折交叉验证，完整版以 0.131M 参数、0.575 GFLOPs 取得 86.71% 模态宏平均 Dice 与 78.99% IoU，与 Mobile U-ViT 的 86.75%/79.07% 相差 0.04 与 0.08 个百分点，同时参数减少 90.58–99.61%、GF
该工作提出 LightMIS 系列超轻量卷积网络，用 Scale-Aligned Projection 块把五级编码器输出对齐到同一分辨率后一次性聚合、再由 Adaptive Fusion Cascade 精炼，从而取消逐级学习的解码器；在 nnU-Net v2.3.1 统一协议下对 DRIVE、Kvasir-SEG、DSB18、BUSI、ISIC-2017、ISIC-2018 做五折交叉验证，完整版以 0.131M 参数、0.575 GFLOPs 取得 86.71% 模态宏平均 Dice 与 78.99% IoU，与 Mobile U-ViT 的 86.75%/79.07% 相差 0.04 与 0.08 个百分点，同时参数减少 90.58–99.61%、GF
Nature News 2026年9月28日
《自然》报道称，在140种处于动物或人体测试阶段的体内CAR-T细胞药物中，82%由中国团队开发，中国已通过研究者发起的试验路径成为该类疗法的快速推进者；同一证据包中的一项《自然》研究则显示，缺乏PHGDH的胰腺癌细胞通过CXCL5–CXCR2–PI3K–AKT–FOXO3A轴重编程邻近肝细胞，使其上调PHGDH并分泌丝氨酸，从而支撑肝转移灶的生长。
《自然》报道称，在140种处于动物或人体测试阶段的体内CAR-T细胞药物中，82%由中国团队开发，中国已通过研究者发起的试验路径成为该类疗法的快速推进者；同一证据包中的一项《自然》研究则显示，缺乏PHGDH的胰腺癌细胞通过CXCL5–CXCR2–PI3K–AKT–FOXO3A轴重编程邻近肝细胞，使其上调PHGDH并分泌丝氨酸，从而支撑肝转移灶的生长。
中国在体内CAR-T试验中占据主导，而一项胰腺癌研究揭示肝脏如何用丝氨酸喂养转移灶
《自然》报道称，在140种处于动物或人体测试阶段的体内CAR-T细胞药物中，82%由中国团队开发，中国已通过研究者发起的试验路径成为该类疗法的快速推进者；同一证据包中的一项《自然》研究则显示，缺乏PHGDH的胰腺癌细胞通过CXCL5–CXCR2–PI3K–AKT–FOXO3A轴重编程邻近肝细胞，使其上调PHGDH并分泌丝氨酸，从而支撑肝转移灶的生长。
《自然》报道称，在140种处于动物或人体测试阶段的体内CAR-T细胞药物中，82%由中国团队开发，中国已通过研究者发起的试验路径成为该类疗法的快速推进者；同一证据包中的一项《自然》研究则显示，缺乏PHGDH的胰腺癌细胞通过CXCL5–CXCR2–PI3K–AKT–FOXO3A轴重编程邻近肝细胞，使其上调PHGDH并分泌丝氨酸，从而支撑肝转移灶的生长。
Nature News 2026年9月28日
哈佛大学Jesse Poganik团队将年轻、中年与老年小鼠的心脏互相移植，并在约32万个基因组区域测量DNA甲基化，发现移植心脏的生物学年龄会向受体靠拢；随后在波士顿布莱根妇女医院11例供受体年龄差较大的历史心脏移植活检样本中观察到同样效应，而心率、后壁厚度与运动能力等部分功能指标更贴近受体年龄而非供体年龄。
哈佛大学Jesse Poganik团队将年轻、中年与老年小鼠的心脏互相移植，并在约32万个基因组区域测量DNA甲基化，发现移植心脏的生物学年龄会向受体靠拢；随后在波士顿布莱根妇女医院11例供受体年龄差较大的历史心脏移植活检样本中观察到同样效应，而心率、后壁厚度与运动能力等部分功能指标更贴近受体年龄而非供体年龄。
移植心脏会向宿主靠拢其生物学年龄：小鼠与11例人体移植均显示供体心脏"变老"或"回春"
哈佛大学Jesse Poganik团队将年轻、中年与老年小鼠的心脏互相移植，并在约32万个基因组区域测量DNA甲基化，发现移植心脏的生物学年龄会向受体靠拢；随后在波士顿布莱根妇女医院11例供受体年龄差较大的历史心脏移植活检样本中观察到同样效应，而心率、后壁厚度与运动能力等部分功能指标更贴近受体年龄而非供体年龄。
哈佛大学Jesse Poganik团队将年轻、中年与老年小鼠的心脏互相移植，并在约32万个基因组区域测量DNA甲基化，发现移植心脏的生物学年龄会向受体靠拢；随后在波士顿布莱根妇女医院11例供受体年龄差较大的历史心脏移植活检样本中观察到同样效应，而心率、后壁厚度与运动能力等部分功能指标更贴近受体年龄而非供体年龄。
bioRxiv 2026年9月27日
该研究构建了一个单核多组学图谱，包含来自21种成人组织和4名供体的459,856个转录组与染色质可及性图谱（其中160,688个细胞核为配对测量），解析出9个细胞谱系、61种宽泛细胞类型和313个亚群，识别出1,085,062个候选顺式调控元件（含161,270个ENCODE未收录的新元件），并利用该数据训练序列到功能模型，对548,656个精细定位变异预测染色质可及性效应，识别出18,133个高效应变异（含1,120个广泛活跃变异）。
该研究构建了一个单核多组学图谱，包含来自21种成人组织和4名供体的459,856个转录组与染色质可及性图谱（其中160,688个细胞核为配对测量），解析出9个细胞谱系、61种宽泛细胞类型和313个亚群，识别出1,085,062个候选顺式调控元件（含161,270个ENCODE未收录的新元件），并利用该数据训练序列到功能模型，对548,656个精细定位变异预测染色质可及性效应，识别出18,133个高效应变异（含1,120个广泛活跃变异）。
研究团队构建覆盖21种成人组织的单核多组学图谱，解析459,856个转录组与染色质可及性图谱并识别161,270个新调控元件
该研究构建了一个单核多组学图谱，包含来自21种成人组织和4名供体的459,856个转录组与染色质可及性图谱（其中160,688个细胞核为配对测量），解析出9个细胞谱系、61种宽泛细胞类型和313个亚群，识别出1,085,062个候选顺式调控元件（含161,270个ENCODE未收录的新元件），并利用该数据训练序列到功能模型，对548,656个精细定位变异预测染色质可及性效应，识别出18,133个高效应变异（含1,120个广泛活跃变异）。
该研究构建了一个单核多组学图谱，包含来自21种成人组织和4名供体的459,856个转录组与染色质可及性图谱（其中160,688个细胞核为配对测量），解析出9个细胞谱系、61种宽泛细胞类型和313个亚群，识别出1,085,062个候选顺式调控元件（含161,270个ENCODE未收录的新元件），并利用该数据训练序列到功能模型，对548,656个精细定位变异预测染色质可及性效应，识别出18,133个高效应变异（含1,120个广泛活跃变异）。
发表出处待核验 2026年9月27日
这篇博士论文依托欧盟I-CARE4OLD项目，第一部分梳理了非药物干预（NPI）的定义与使用现状——系统综述显示文献中NPI定义高度异质且多为负面表述，六国居家照护数据显示部分有证据支持的干预（物理治疗、作业治疗、心理社会干预、社会参与）使用不足而身体约束使用相对频繁；第二部分利用荷兰与加拿大安大略省的纵向真实世界数据，采用倾向性方法、广义估计方程以及结合因果机器学习的靶试验仿真，发现中度和更高水平的身体活动与居家照护老人功能状态、健康相关结局和死亡率的改善相关。
这篇博士论文依托欧盟I-CARE4OLD项目，第一部分梳理了非药物干预（NPI）的定义与使用现状——系统综述显示文献中NPI定义高度异质且多为负面表述，六国居家照护数据显示部分有证据支持的干预（物理治疗、作业治疗、心理社会干预、社会参与）使用不足而身体约束使用相对频繁；第二部分利用荷兰与加拿大安大略省的纵向真实世界数据，采用倾向性方法、广义估计方程以及结合因果机器学习的靶试验仿真，发现中度和更高水平的身体活动与居家照护老人功能状态、健康相关结局和死亡率的改善相关。
博士论文整合六国居家照护数据：中高强度身体活动与居家照护老人功能状态、健康结局和死亡风险改善相关
这篇博士论文依托欧盟I-CARE4OLD项目，第一部分梳理了非药物干预（NPI）的定义与使用现状——系统综述显示文献中NPI定义高度异质且多为负面表述，六国居家照护数据显示部分有证据支持的干预（物理治疗、作业治疗、心理社会干预、社会参与）使用不足而身体约束使用相对频繁；第二部分利用荷兰与加拿大安大略省的纵向真实世界数据，采用倾向性方法、广义估计方程以及结合因果机器学习的靶试验仿真，发现中度和更高水平的身体活动与居家照护老人功能状态、健康相关结局和死亡率的改善相关。
这篇博士论文依托欧盟I-CARE4OLD项目，第一部分梳理了非药物干预（NPI）的定义与使用现状——系统综述显示文献中NPI定义高度异质且多为负面表述，六国居家照护数据显示部分有证据支持的干预（物理治疗、作业治疗、心理社会干预、社会参与）使用不足而身体约束使用相对频繁；第二部分利用荷兰与加拿大安大略省的纵向真实世界数据，采用倾向性方法、广义估计方程以及结合因果机器学习的靶试验仿真，发现中度和更高水平的身体活动与居家照护老人功能状态、健康相关结局和死亡率的改善相关。
发表出处待核验 2026年9月27日
这篇博士论文围绕如何把因果机器学习用于真实临床实践，沿三条线索展开：在临床情境下的二值治疗效应估计中识别出八个直接影响治疗效应估计的关键决策点并提出结构化设计框架；针对反事实预测难以验证的问题，提出一种把平均模型预测锚定到可用随机或真实世界临床试验数据经验验证的组级量的新方法，并展示信息瓶颈正则化可降低反事实误差界、提升治疗效应估计表现；在连续因果机器学习方面以物理治疗剂量对功能独立性的影响为具体医疗用例开展研究；在元强化学习方面提出一种利用多数据集学习更稳健、更可泛化策略的新算法。
这篇博士论文围绕如何把因果机器学习用于真实临床实践，沿三条线索展开：在临床情境下的二值治疗效应估计中识别出八个直接影响治疗效应估计的关键决策点并提出结构化设计框架；针对反事实预测难以验证的问题，提出一种把平均模型预测锚定到可用随机或真实世界临床试验数据经验验证的组级量的新方法，并展示信息瓶颈正则化可降低反事实误差界、提升治疗效应估计表现；在连续因果机器学习方面以物理治疗剂量对功能独立性的影响为具体医疗用例开展研究；在元强化学习方面提出一种利用多数据集学习更稳健、更可泛化策略的新算法。
这篇博士论文提出把因果机器学习落地临床的三项方法创新与一个设计框架，并用物理治疗剂量案例检验连续治疗模型
这篇博士论文围绕如何把因果机器学习用于真实临床实践，沿三条线索展开：在临床情境下的二值治疗效应估计中识别出八个直接影响治疗效应估计的关键决策点并提出结构化设计框架；针对反事实预测难以验证的问题，提出一种把平均模型预测锚定到可用随机或真实世界临床试验数据经验验证的组级量的新方法，并展示信息瓶颈正则化可降低反事实误差界、提升治疗效应估计表现；在连续因果机器学习方面以物理治疗剂量对功能独立性的影响为具体医疗用例开展研究；在元强化学习方面提出一种利用多数据集学习更稳健、更可泛化策略的新算法。
这篇博士论文围绕如何把因果机器学习用于真实临床实践，沿三条线索展开：在临床情境下的二值治疗效应估计中识别出八个直接影响治疗效应估计的关键决策点并提出结构化设计框架；针对反事实预测难以验证的问题，提出一种把平均模型预测锚定到可用随机或真实世界临床试验数据经验验证的组级量的新方法，并展示信息瓶颈正则化可降低反事实误差界、提升治疗效应估计表现；在连续因果机器学习方面以物理治疗剂量对功能独立性的影响为具体医疗用例开展研究；在元强化学习方面提出一种利用多数据集学习更稳健、更可泛化策略的新算法。
arXiv 2026年9月27日
OncoVision 是一个特权信息训练框架：训练时同时使用乳腺 X 线摄影图像与临床特征，推理时仅依赖乳腺摄影图像，采用基于注意力的编码器-解码器骨干，联合分割四个感兴趣区域（肿块、钙化、腋窝所见、乳腺组织）并预测十项结构化临床特征（含 BI-RADS 分类），其分割准确率超过 nnU-Net 基线；作者提出 Independent 与 Dependent 两种晚期融合策略，在训练中整合影像、影像组学与临床信息，并从预测掩膜提取形状、强度、纹理等影像组学描述符以补充 CNN 表示；在六位委员会认证放射科医师参与的回顾性多阅片者研究中，配对阅片辅助评估显示该工具与初级和资深放射科医师更高的诊断信心相关，阅片时间最多减少
OncoVision 是一个特权信息训练框架：训练时同时使用乳腺 X 线摄影图像与临床特征，推理时仅依赖乳腺摄影图像，采用基于注意力的编码器-解码器骨干，联合分割四个感兴趣区域（肿块、钙化、腋窝所见、乳腺组织）并预测十项结构化临床特征（含 BI-RADS 分类），其分割准确率超过 nnU-Net 基线；作者提出 Independent 与 Dependent 两种晚期融合策略，在训练中整合影像、影像组学与临床信息，并从预测掩膜提取形状、强度、纹理等影像组学描述符以补充 CNN 表示；在六位委员会认证放射科医师参与的回顾性多阅片者研究中，配对阅片辅助评估显示该工具与初级和资深放射科医师更高的诊断信心相关，阅片时间最多减少
OncoVision 用注意力多模态训练框架，在六位放射科医师配对评估中把阅片时间最多缩短 61%，并提升诊断信心
OncoVision 是一个特权信息训练框架：训练时同时使用乳腺 X 线摄影图像与临床特征，推理时仅依赖乳腺摄影图像，采用基于注意力的编码器-解码器骨干，联合分割四个感兴趣区域（肿块、钙化、腋窝所见、乳腺组织）并预测十项结构化临床特征（含 BI-RADS 分类），其分割准确率超过 nnU-Net 基线；作者提出 Independent 与 Dependent 两种晚期融合策略，在训练中整合影像、影像组学与临床信息，并从预测掩膜提取形状、强度、纹理等影像组学描述符以补充 CNN 表示；在六位委员会认证放射科医师参与的回顾性多阅片者研究中，配对阅片辅助评估显示该工具与初级和资深放射科医师更高的诊断信心相关，阅片时间最多减少
OncoVision 是一个特权信息训练框架：训练时同时使用乳腺 X 线摄影图像与临床特征，推理时仅依赖乳腺摄影图像，采用基于注意力的编码器-解码器骨干，联合分割四个感兴趣区域（肿块、钙化、腋窝所见、乳腺组织）并预测十项结构化临床特征（含 BI-RADS 分类），其分割准确率超过 nnU-Net 基线；作者提出 Independent 与 Dependent 两种晚期融合策略，在训练中整合影像、影像组学与临床信息，并从预测掩膜提取形状、强度、纹理等影像组学描述符以补充 CNN 表示；在六位委员会认证放射科医师参与的回顾性多阅片者研究中，配对阅片辅助评估显示该工具与初级和资深放射科医师更高的诊断信心相关，阅片时间最多减少
arXiv 2026年9月27日
该文提出患者报告的疼痛定位之所以有时诊断决定性、有时几乎无信息，是因为它包含三种认识论上不同的失败——解剖复用造成的不可识别反问题、中枢敏化或伤害可塑性疼痛带来的生成模型改变、以及推测为系统且因人而异的牵涉与不典型位移——三者对应同一个贝叶斯推断问题在似然、模型类别与群组条件先验三个节点上的失效，报告本身构成第四个节点；作者据此指出已发表的高效用准确度区间依赖被高估的特异度，因此梯度真实存在但比通常描绘的更平缓，并把“检测改善但治疗 uptake 滞后时结局未改善”归因于照护路径而非感知。
该文提出患者报告的疼痛定位之所以有时诊断决定性、有时几乎无信息，是因为它包含三种认识论上不同的失败——解剖复用造成的不可识别反问题、中枢敏化或伤害可塑性疼痛带来的生成模型改变、以及推测为系统且因人而异的牵涉与不典型位移——三者对应同一个贝叶斯推断问题在似然、模型类别与群组条件先验三个节点上的失效，报告本身构成第四个节点；作者据此指出已发表的高效用准确度区间依赖被高估的特异度，因此梯度真实存在但比通常描绘的更平缓，并把“检测改善但治疗 uptake 滞后时结局未改善”归因于照护路径而非感知。
疼痛定位的诊断价值被拆成三种失败：解剖复用、中枢放大与个体化偏移，而非单一梯度
该文提出患者报告的疼痛定位之所以有时诊断决定性、有时几乎无信息，是因为它包含三种认识论上不同的失败——解剖复用造成的不可识别反问题、中枢敏化或伤害可塑性疼痛带来的生成模型改变、以及推测为系统且因人而异的牵涉与不典型位移——三者对应同一个贝叶斯推断问题在似然、模型类别与群组条件先验三个节点上的失效，报告本身构成第四个节点；作者据此指出已发表的高效用准确度区间依赖被高估的特异度，因此梯度真实存在但比通常描绘的更平缓，并把“检测改善但治疗 uptake 滞后时结局未改善”归因于照护路径而非感知。
该文提出患者报告的疼痛定位之所以有时诊断决定性、有时几乎无信息，是因为它包含三种认识论上不同的失败——解剖复用造成的不可识别反问题、中枢敏化或伤害可塑性疼痛带来的生成模型改变、以及推测为系统且因人而异的牵涉与不典型位移——三者对应同一个贝叶斯推断问题在似然、模型类别与群组条件先验三个节点上的失效，报告本身构成第四个节点；作者据此指出已发表的高效用准确度区间依赖被高估的特异度，因此梯度真实存在但比通常描绘的更平缓，并把“检测改善但治疗 uptake 滞后时结局未改善”归因于照护路径而非感知。
arXiv 2026年9月26日
该工作提出M²PFN，一个端到端框架，通过可微推理把任务梯度回传到3D-MRI与表格编码器、用解耦与对比目标将两种模态对齐到与上下文学习先验匹配的共享子空间，并以可学习门控捷径并入冻结的纯表格预测；在ADNI（n=2240，CN/MCI/AD三分类）上达到65.55%宏F1与82.21%宏AUC，超过所比较的单模态与多模态基线，仅替换预测头即可回归基线MMSE（1250人子队列，测试MAE 1.743），并在OASIS-3与SCAN两个外部队列上无需重训取得最佳AUC与最低MMSE MAE，且在认知量表更换时仍可迁移。
该工作提出M²PFN，一个端到端框架，通过可微推理把任务梯度回传到3D-MRI与表格编码器、用解耦与对比目标将两种模态对齐到与上下文学习先验匹配的共享子空间，并以可学习门控捷径并入冻结的纯表格预测；在ADNI（n=2240，CN/MCI/AD三分类）上达到65.55%宏F1与82.21%宏AUC，超过所比较的单模态与多模态基线，仅替换预测头即可回归基线MMSE（1250人子队列，测试MAE 1.743），并在OASIS-3与SCAN两个外部队列上无需重训取得最佳AUC与最低MMSE MAE，且在认知量表更换时仍可迁移。
M²PFN把冻结的TabPFN改造成多模态阿尔茨海默病预测器，在ADNI上取得65.55%宏F1并在两个外部队列零重训迁移
该工作提出M²PFN，一个端到端框架，通过可微推理把任务梯度回传到3D-MRI与表格编码器、用解耦与对比目标将两种模态对齐到与上下文学习先验匹配的共享子空间，并以可学习门控捷径并入冻结的纯表格预测；在ADNI（n=2240，CN/MCI/AD三分类）上达到65.55%宏F1与82.21%宏AUC，超过所比较的单模态与多模态基线，仅替换预测头即可回归基线MMSE（1250人子队列，测试MAE 1.743），并在OASIS-3与SCAN两个外部队列上无需重训取得最佳AUC与最低MMSE MAE，且在认知量表更换时仍可迁移。
该工作提出M²PFN，一个端到端框架，通过可微推理把任务梯度回传到3D-MRI与表格编码器、用解耦与对比目标将两种模态对齐到与上下文学习先验匹配的共享子空间，并以可学习门控捷径并入冻结的纯表格预测；在ADNI（n=2240，CN/MCI/AD三分类）上达到65.55%宏F1与82.21%宏AUC，超过所比较的单模态与多模态基线，仅替换预测头即可回归基线MMSE（1250人子队列，测试MAE 1.743），并在OASIS-3与SCAN两个外部队列上无需重训取得最佳AUC与最低MMSE MAE，且在认知量表更换时仍可迁移。

第 10 页 · 当前显示 10 项