arXiv · ML· Qingyang Zhang·· 2026-10-06AI 评分24
跨国家 EHR 表示迁移中的非对称对比学习
Bridging the EHR Divide: Asymmetric Contrastive Learning for Cross-National Medical Representation Transfer
AI 导读
基于台湾 NHIRD 398 万名患者数据预训练时序 Transformer 编码器,通过混合语义映射迁移至 MIMIC-IV 和 EHRSHOT。 消融实验表明 Asymmetric SupCon 在四项任务中的三项取得最佳 AUPRC,较 Standard SupCon 仅低 0.003。
来源:arXiv · ML · arxiv.org