校准优先的跨队列多模态时序学习：可迁移的哮喘风险预测

英文标题：Calibration-First Cross-Cohort Multimodal Temporal Learning for Transferable Asthma-Risk Forecasting

该研究提出一种以概率校准为优先目标的跨队列多模态时序学习方法，用于哮喘病情恶化风险预测。研究关注的核心挑战是：不同患者群体、传感器生态系统及可用数据模态发生变化时，预测模型仍需保持可靠性。原文指出，现有模型通常侧重于队列内区分能力优化，但在跨队列应用中可能产生校准不佳的风险概率。该方向对需要在不同医疗机构、设备和数据条件下部署哮喘风险预测系统的开发者具有重要意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB