热点事件持续更新
研究团队提出阿尔茨海默病诊断与预测多模态多任务框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月9日，arXiv机器学习领域发布的一项研究提出了用于阿尔茨海默病诊断与进展预测的控泄漏多模态学习框架。该框架结合了SFCN MRI编码器、因果临床Transformer与ODE-GRU，并通过LoRA进行微调。实验结果显示，在涵盖2,649名受试者的内部验证中，该框架的诊断与1期进展混合AUROC分别达到0.951和0.909，下次随访MMSE MAE为1.61；在OASIS-3外部验证中，混合诊断AUROC达到0.767。
AI 根据报道生成 · 4 小时前更新
最新进展10月9日 12:00
研究团队提出用于阿尔茨海默病诊断与预测的多模态框架，内部验证混合AUROC达0.951。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 机器学习用于阿尔茨海默病诊断与进展预测的控泄漏多模态学习框架
该研究提出用于阿尔茨海默病诊断与进展预测的多模态多任务框架，结合 SFCN MRI 编码器、因果临床 Transformer 与 ODE-GRU，并通过 LoRA 进行微调。在涵盖 2,649 名受试者的内部验证中，诊断与 1 期进展混合 AUROC 分别达 0.951 和 0.909，下次随访 MMSE MAE 为 1.61。OASIS-3 外部验证混合诊断 AUROC 为 0.767。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。