Trasformatore Multi-Task con Decomposizione Ortogonale per Dati Clinici
Viene proposto un nuovo framework di apprendimento multi-task, Orthogonal Task Decomposition (OrthTD), per dati clinici multimodali. Basato su un Trasformatore unificato, separa le rappresentazioni dei pazienti in sottospazi condivisi e specifici del compito utilizzando vincoli di ortogonalità geometrica per ridurre la ridondanza e prevenire il trasferimento negativo. Valutato su una coorte di 12.430 pazienti chirurgici, il metodo affronta le sfide nel bilanciare l'apprendimento condiviso e specifico del compito in contesti multi-task.
Fatti principali
- OrthTD è un framework multi-task per dati clinici multimodali.
- Utilizza un Trasformatore unificato con Decomposizione Ortogonale dei Compiti.
- I vincoli di ortogonalità separano i sottospazi condivisi e specifici del compito.
- Mira a ridurre la ridondanza e isolare i segnali specifici del compito.
- Valutato su 12.430 pazienti chirurgici.
- Affronta il trasferimento negativo nella condivisione rigida dei parametri.
- Proposto per bilanciare l'apprendimento condiviso e specifico del compito.
- Pubblicato su arXiv con ID 2605.03570.
Entità
Istituzioni
- arXiv