Buchumschlag

An Efficient Contrastive Unimodal Pretraining Method for EHR Time Series Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	King, Ryan, Kodali, Shivesh, Krueger, Conrad, Yang, Tianbao, Mortazavi, Bobak J.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Domain Incremental Continual Learning Benchmark for ICU Time Series Model Transportability
von: King, Ryan, et al.
Veröffentlicht: (2026)

Memory-Efficient Continual Learning with CLIP Models
von: King, Ryan, et al.
Veröffentlicht: (2026)

ArterialNet: Reconstructing Arterial Blood Pressure Waveform with Wearable Pulsatile Signals, a Cohort-Aware Approach
von: Huang, Sicong, et al.
Veröffentlicht: (2024)

AdFair-CLIP: Adversarial Fair Contrastive Language-Image Pre-training for Chest X-rays
von: Yi, Chenlang, et al.
Veröffentlicht: (2025)

Self-Supervised Contrastive Learning is Approximately Supervised Contrastive Learning
von: Luthra, Achleshwar, et al.
Veröffentlicht: (2025)

Data-Efficient Sleep Staging with Synthetic Time Series Pretraining
von: Grieger, Niklas, et al.
Veröffentlicht: (2024)

Temporal Entailment Pretraining for Clinical Language Models over EHR Data
von: Tanaka, Tatsunori, et al.
Veröffentlicht: (2025)

Test-Time Efficient Pretrained Model Portfolios for Time Series Forecasting
von: Kayaalp, Mert, et al.
Veröffentlicht: (2025)

FedEHR-Gen: Federated Synthetic Time-Series EHR Generation via Latent Space Alignment and Distribution-Aware Aggregation
von: Bai, Jun, et al.
Veröffentlicht: (2026)

TimEHR: Image-based Time Series Generation for Electronic Health Records
von: Karami, Hojjat, et al.
Veröffentlicht: (2024)

Efficient Training of Transformers for Molecule Property Prediction on Small-scale Datasets
von: Prakash, Shivesh
Veröffentlicht: (2024)

Generative Pretrained Hierarchical Transformer for Time Series Forecasting
von: Liu, Zhiding, et al.
Veröffentlicht: (2024)

Multimodal Deep Learning for Early Prediction of Patient Deterioration in the ICU: Integrating Time-Series EHR Data with Clinical Notes
von: Sadanandan, Binesh
Veröffentlicht: (2026)

Myna: Masking-Based Contrastive Learning of Musical Representations
von: Yonay, Ori, et al.
Veröffentlicht: (2025)

Empowering Time Series Analysis with Large-Scale Multimodal Pretraining
von: Chen, Peng, et al.
Veröffentlicht: (2026)

Rebalanced Multimodal Learning with Data-aware Unimodal Sampling
von: Jiang, Qingyuan, et al.
Veröffentlicht: (2025)

Efficient Matroid Bandit Linear Optimization Leveraging Unimodality
von: Delage, Aurélien, et al.
Veröffentlicht: (2025)

IVP-VAE: Modeling EHR Time Series with Initial Value Problem Solvers
von: Xiao, Jingge, et al.
Veröffentlicht: (2023)

LEAVES: Learning Views for Time-Series Biobehavioral Data in Contrastive Learning
von: Yu, Han, et al.
Veröffentlicht: (2022)

Modeling variable guide efficiency in pooled CRISPR screens with ContrastiveVI+
von: Weinberger, Ethan, et al.
Veröffentlicht: (2024)

Communication-Efficient Federated Group Distributionally Robust Optimization
von: Guo, Zhishuai, et al.
Veröffentlicht: (2024)

Generating Multi-Table Time Series EHR from Latent Space with Minimal Preprocessing
von: Cho, Eunbyeol, et al.
Veröffentlicht: (2025)

Unifying Prediction and Explanation in Time-Series Transformers via Shapley-based Pretraining
von: Cheng, Qisen, et al.
Veröffentlicht: (2025)

AimTS: Augmented Series and Image Contrastive Learning for Time Series Classification
von: Chen, Yuxuan, et al.
Veröffentlicht: (2025)

From Basic to Extra Features: Hypergraph Transformer Pretrain-then-Finetuning for Balanced Clinical Predictions on EHR
von: Xu, Ran, et al.
Veröffentlicht: (2024)

Data-Efficient Contrastive Language-Image Pretraining: Prioritizing Data Quality over Quantity
von: Joshi, Siddharth, et al.
Veröffentlicht: (2024)

Graph-Aware Contrasting for Multivariate Time-Series Classification
von: Wang, Yucheng, et al.
Veröffentlicht: (2023)

Mind the Missing: Variable-Aware Representation Learning for Irregular EHR Time Series using Large Language Models
von: Kwon, Jeong Eul, et al.
Veröffentlicht: (2025)

Automated Contrastive Learning Strategy Search for Time Series
von: Jing, Baoyu, et al.
Veröffentlicht: (2024)

Clin-JEPA: A Multi-Phase Co-Training Framework for Joint-Embedding Predictive Pretraining on EHR Patient Trajectories
von: Yang, Yixuan, et al.
Veröffentlicht: (2026)

Efficient Model Selection for Time Series Forecasting via LLMs
von: Wei, Wang, et al.
Veröffentlicht: (2025)

Efficient and Effective Implicit Dynamic Graph Neural Network
von: Zhong, Yongjian, et al.
Veröffentlicht: (2024)

CauKer: Classification Time Series Foundation Models Can Be Pretrained on Synthetic Data
von: Xie, Shifeng, et al.
Veröffentlicht: (2025)

An Efficient and Generalizable Symbolic Regression Method for Time Series Analysis
von: Xie, Yi, et al.
Veröffentlicht: (2024)

Contrastive Learning Is Not Optimal for Quasiperiodic Time Series
von: Atienza, Adrian, et al.
Veröffentlicht: (2024)

Parametric Augmentation for Time Series Contrastive Learning
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

Masked Contrastive Pre-Training Improves Music Audio Key Detection
von: Yonay, Ori, et al.
Veröffentlicht: (2026)

United We Pretrain, Divided We Fail! Representation Learning for Time Series by Pretraining on 75 Datasets at Once
von: Kraus, Maurice, et al.
Veröffentlicht: (2024)

CDMT-EHR: A Continuous-Time Diffusion Framework for Generating Mixed-Type Time-Series Electronic Health Records
von: Liu, Shaonan, et al.
Veröffentlicht: (2026)

On the Role of Inductive Bias in Time-Series Pretraining: A Case Study in Learning Generalizable Representations for Clinical Time Series
von: Dey, Sharmita, et al.
Veröffentlicht: (2026)