打破模态壁垒：面向晕动症预测的缺失模态多模态融合

该预印本提出一种基于 transformer 的模型，可在不填补缺失数据的情况下处理任意传感器组合，用于晕动症预测。研究在跨数据集联合训练中报告 0.51 的平均绝对误差（MAE）和 0.63 的皮尔逊相关系数。上述结果来自该预印本自身的报告，尚未经同行评审；其预测性能与适用范围限于所研究的传感器数据与任务，不能推广为对一般人群晕动症的诊断或因果解释。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。