Buchumschlag

WISTERIA: Learning Clinical Representations from Noisy Supervision via Multi-View Consistency in Electronic Health Records

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Ruan, Zhang, Yuanyun, Li, Shi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ChronoFormer: Time-Aware Transformer Architectures for Structured Clinical Event Modeling
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2025)

Event Fields: Learning Latent Event Structure for Waveform Foundation Models
von: Na, Li, et al.
Veröffentlicht: (2026)

Dynamical Label Augmentation and Calibration for Noisy Electronic Health Records
von: Li, Yuhao, et al.
Veröffentlicht: (2025)

Learning Clinical Representations Under Systematic Distribution Shift
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2026)

Predictive Modeling with Temporal Graphical Representation on Electronic Health Records
von: Chen, Jiayuan, et al.
Veröffentlicht: (2024)

Multi-task Heterogeneous Graph Learning on Electronic Health Records
von: Chan, Tsai Hor, et al.
Veröffentlicht: (2024)

Cross-Representation Benchmarking in Time-Series Electronic Health Records for Clinical Outcome Prediction
von: Chen, Tianyi, et al.
Veröffentlicht: (2025)

Precision Rehabilitation for Patients Post-Stroke based on Electronic Health Records and Machine Learning
von: Gao, Fengyi, et al.
Veröffentlicht: (2024)

MPLite: Multi-Aspect Pretraining for Mining Clinical Health Records
von: Yang, Eric, et al.
Veröffentlicht: (2024)

Context-Enhanced Multi-View Trajectory Representation Learning: Bridging the Gap through Self-Supervised Models
von: Qian, Tangwen, et al.
Veröffentlicht: (2024)

CGM-JEPA: Learning Consistent Continuous Glucose Monitor Representations via Predictive Self-Supervised Pretraining
von: Muhammad, Hada Melino, et al.
Veröffentlicht: (2026)

AURORA: Contextual Orthogonalization for Geometric Representation Learning in Healthcare Foundation Models
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2026)

Benchmarking Foundation Models with Multimodal Public Electronic Health Records
von: Yu, Kunyu, et al.
Veröffentlicht: (2025)

Learning Fused State Representations for Control from Multi-View Observations
von: Wang, Zeyu, et al.
Veröffentlicht: (2025)

Early Risk Prediction of Pediatric Cardiac Arrest from Electronic Health Records via Multimodal Fused Transformer
von: Lu, Jiaying, et al.
Veröffentlicht: (2025)

CEHR-XGPT: A Scalable Multi-Task Foundation Model for Electronic Health Records
von: Pang, Chao, et al.
Veröffentlicht: (2025)

Early Detection of Pancreatic Cancer Using Multimodal Learning on Electronic Health Records
von: Aouad, Mosbah, et al.
Veröffentlicht: (2025)

Annotation-Assisted Learning of Treatment Policies From Multimodal Electronic Health Records
von: Arno, Henri, et al.
Veröffentlicht: (2025)

Can LLMs Learn to Reason Robustly under Noisy Supervision?
von: Yang, Shenzhi, et al.
Veröffentlicht: (2026)

Imputation of Unknown Missingness in Sparse Electronic Health Records
von: Han, Jun, et al.
Veröffentlicht: (2026)

Recent Advances in Predictive Modeling with Electronic Health Records
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

Multi-View Causal Representation Learning with Partial Observability
von: Yao, Dingling, et al.
Veröffentlicht: (2023)

A Multi-Center Study on the Adaptability of a Shared Foundation Model for Electronic Health Records
von: Guo, Lin Lawrence, et al.
Veröffentlicht: (2023)

Uncertainty Quantification via Hölder Divergence for Multi-View Representation Learning
von: Zhang, Yan, et al.
Veröffentlicht: (2024)

MedRep: Medical Concept Representation for General Electronic Health Record Foundation Models
von: Kim, Junmo, et al.
Veröffentlicht: (2025)

Identifiable Causal Representation Learning: Unsupervised, Multi-View, and Multi-Environment
von: von Kügelgen, Julius
Veröffentlicht: (2024)

Learning Longitudinal Health Representations from EHR and Wearable Data
von: Zhang, Yuanyun, et al.
Veröffentlicht: (2026)

Martingale-Consistent Self-Supervised Learning
von: Gögl, Moritz, et al.
Veröffentlicht: (2026)

Multi-View Wireless Sensing via Conditional Generative Learning: Framework and Model Design
von: Xing, Ziqing, et al.
Veröffentlicht: (2025)

FedRG: Unleashing the Representation Geometry for Federated Learning with Noisy Clients
von: Wen, Tian, et al.
Veröffentlicht: (2026)

Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions
von: Cui, Suhan, et al.
Veröffentlicht: (2024)

TSI: A Multi-View Representation Learning Approach for Time Series Forecasting
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

Early Prediction of Multi-Label Care Escalation Triggers in the Intensive Care Unit Using Electronic Health Records
von: Bukhari, Syed Ahmad Chan, et al.
Veröffentlicht: (2025)

CORAL: Learning Consistent Representations across Multi-step Training with Lighter Speculative Drafter
von: Weng, Yepeng, et al.
Veröffentlicht: (2025)

Noisy-Pair Robust Representation Alignment for Positive-Unlabeled Learning
von: Zhao, Hengwei, et al.
Veröffentlicht: (2025)

Multi-View Subgraph Neural Networks: Self-Supervised Learning with Scarce Labeled Data
von: Wang, Zhenzhong, et al.
Veröffentlicht: (2024)

Understanding Representation Learnability of Nonlinear Self-Supervised Learning
von: Yang, Ruofeng, et al.
Veröffentlicht: (2024)

Generating Synthetic Electronic Health Record Data: a Methodological Scoping Review with Benchmarking on Phenotype Data and Open-Source Software
von: Chen, Xingran, et al.
Veröffentlicht: (2024)

MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction
von: Tan, Zexi, et al.
Veröffentlicht: (2025)

Learning from Noisy Labels for Long-tailed Data via Optimal Transport
von: Li, Mengting, et al.
Veröffentlicht: (2024)