提出GraphBEAT图模型用于胃肠癌早期风险分层
热点事件持续更新
提出GraphBEAT图模型用于胃肠癌早期风险分层
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Hojjat Salehinejad等作者发布GraphBEAT论文，提出将临床事件按时间分桶并构建患者特异的有向临床事件图的时序图表示学习框架，用于胰腺癌、肝癌和肠道癌在12、24、36个月诊断提前期下的早期风险分层。 基于论文摘要，作者称GraphBEAT在所有实验设置中优于GraphSAGE、GAT、GCN等图神经网络基线和Transformer、LSTM等序列建模方法，且每名患者所需浮点运算次数比Transformer和LSTM基线减少超过250倍、参数量减少超过20倍。摘要未说明数据规模、数据划分和复现细节。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
GraphBEAT：用于胃肠道癌症早期风险分层的图式时间事件聚合报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIGraphBEAT：用于胃肠道癌症早期风险分层的图式时间事件聚合
GraphBEAT通过按时间分桶并构建患者特异的有向临床事件图，预测胰腺癌、肝癌和肠道癌在12、24和36个月诊断提前期下的风险。基于论文摘要，该方法在所有实验设置中优于GraphSAGE、GAT、GCN、Transformer和LSTM，并且每名患者所需浮点运算次数减少超过250倍、参数量减少超过20倍；摘要未说明数据规模、划分和复现细节。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月16日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
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。