多模态大模型

Normative Modeling using Multimodal Variational Autoencoders to Identify Abnormal Brain Structural Patterns in Alzheimer Disease

基于多模态变分自编码器的规范建模用于识别阿尔茨海默病异常脑结构模式

Sayantan Kumar, Philip Payne, Aristeidis Sotiras

专题命中 其他多模态 ：multimodal(title,abstract)；multi-modal(abstract)

AI总结 本文提出基于多模态变分自编码器的规范建模框架，用于识别阿尔茨海默病中异常脑结构模式，通过联合分布建模提高疾病阶段检测的敏感性和准确性。

Comments Medical Imaging Meets NeurIPS workshop in NeurIPS 2022

Journal ref Proc. SPIE 12465, Medical Imaging 2023: Computer-Aided Diagnosis, 1246503 (7 April 2023)

Training Data Efficiency in Multimodal Process Reward Models

多模态过程奖励模型中的训练数据效率

Jinyuan Li, Chengsong Huang, Langlin Huang, Shaoyang Xu, Haolin Liu, Wenxuan Zhang, Jiaxin Huang

机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； Singapore University of Technology（新加坡科技设计大学） ； University of Virginia（弗吉尼亚大学） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)；分类 cs.CL、cs.MM

AI总结 本文提出BIS方法，通过优化标签混合与可靠性，提升多模态过程奖励模型训练的数据效率，仅用10%训练数据即可达到全数据性能。

Analyzing heterogeneity in Alzheimer Disease using multimodal normative modeling on imaging-based ATN biomarkers

利用多模态规范建模分析阿尔茨海默病的异质性：基于影像学ATN生物标志物

Sayantan Kumar, Tom Earnest, Braden Yang, Deydeep Kothapalli, Andrew J. Aschenbrenner, Jason Hassenstab, Chengie Xiong, Beau Ances, John Morris, Tammie L. S. Benzinger, Brian A. Gordon, Philip Payne, Aristeidis Sotiras

专题命中 其他多模态 ：multimodal(title,abstract)

AI总结 本研究利用多模态规范建模分析阿尔茨海默病影像学ATN生物标志物的异质性，揭示了疾病严重程度与认知功能的关系。

Comments Under review in Alzheimer's & Dementia

Journal ref Alzheimer's Dement. 2025; 21:e70143

Improving Normative Modeling for Multi-modal Neuroimaging Data using mixture-of-product-of-experts variational autoencoders

利用混合专家积变分自编码器改进多模态神经影像数据的规范建模

Sayantan Kumar, Philip Payne, Aristeidis Sotiras

机构 * Department of Computer Science and Engineering, Washington University in St. Louis, USA（计算机科学与工程系，华盛顿大学圣路易斯分校） ； Institute for Informatics, Data Science and Biostatistics, Washington University in St.Louis, USA（信息学、数据科学与生物统计研究所，华盛顿大学圣路易斯分校） ； Department of Radiology, Washington University in St.Louis, USA（放射学系，华盛顿大学圣路易斯分校） 纠错

专题命中 其他多模态 ：multi-modal(title)；multimodal(abstract)

AI总结 本文提出利用混合专家积变分自编码器改进多模态神经影像数据的规范建模，以更准确地识别异常个体及异常脑区。

Comments IEEE Internattional Symposium in Biomedical Imaging 2024

Journal ref 2024 IEEE International Symposium on Biomedical Imaging (ISBI)

AdapDISCOM: An Adaptive Sparse Regression Method for High-Dimensional Multimodal Data With Block-Wise Missingness and Measurement Errors

AdapDISCOM：一种用于高维多模态数据的自适应稀疏回归方法，具有块状缺失和测量误差

Maimouna Baldé, Abdoul O. Diakité, Claudia Moreau, Gleb Bezgin, Nikhil Bhagwat, Pedro Rosa-Neto, Jean-Baptiste Poline, Simon Girard, Amadou Barry

专题命中 其他多模态 ：multimodal(title,abstract)

AI总结 AdapDISCOM通过自适应稀疏回归方法，有效应对高维多模态数据中的块状缺失和测量误差问题，提升预测性能和生物标志物选择的可靠性。

Comments 49 pages, 4 figures

Hybrid Quantum-Classical Optimization for Multi-Objective Supply Chain Logistics

多目标供应链物流的混合量子-经典优化

Raoul Heese, Timothée Leleu, Sam Reifenstein, Christian Nietner, Yoshihisa Yamamoto

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文提出混合量子-经典优化方法，用于解决多目标供应链物流问题，通过结合量子子程序和经典启发式方法，实现高质量的帕累托最优解。

Comments 27 pages, 16 figures

Progressive multi-fidelity learning with neural networks for physical system predictions

基于神经网络的渐进多保真学习用于物理系统预测

Paolo Conti, Mengwu Guo, Attilio Frangi, Andrea Manzoni

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； Centre for Mathematical Sciences（数学科学中心） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； MOX -- Department of Mathematics（数学系） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 本文提出一种渐进多保真替代模型，利用神经网络整合多模态数据，提升物理系统预测的准确性和泛化能力。