先表征，再生成：不规则缺失条件下的多模态时间序列生成

英文标题：Represent, Then Generate: Multimodal-Conditioned Time-Series Generation under Irregular Missingness

该论文研究在不规则缺失数据条件下进行多模态条件时间序列生成的方法。研究背景是连续生理时间序列支撑现代临床监测，但许多信息量较高的信号具有侵入性、成本高，或对特定患者根本不可获得等问题。论文提出，条件生成可作为补救方案：利用可用信号生成缺失信号，从而支持更完整的临床监测与分析。该工作对医疗 AI 开发者的意义在于，可为存在复杂缺失模式的多模态生理数据建模提供新的生成式技术路径。

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