arXiv · cs.AI· Barsha Halder, Jeffrey A. Thompson·· 2 天前
DeepAJM：用于不规则采样数据的深度关联联合模型
DeepAJM: Deep Association Joint Model for Irregularly Sampled data
arXiv:2610.07388v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Barsha Halder, Jeffrey A. Thompson
研究任务与主要进展
基于论文摘要，DeepAJM提出无需参数假设的深度联合模型，联合建模纵向与生存结局，并保留部分可解释的逐纵向结果关联结构。其编码器—解码器架构在心血管疾病EHR队列、PBC2和模拟数据集上，与经典参数联合模型、TransformerJM、DA-LSTM及Cox生存模型比较；按摘要所述，C-index、时变AUROC和时变AUPRC的区分表现均为最佳。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org