用多视角健康数据预测中风后僵硬，提升模型可解释性。

Understanding Structured Health Data through Interaction-Aware Mixture-of-Experts

• 设计交互感知的专家混合模型，融合多层级健康数据。
• 各数据视图重要性差异显著，但整体性能提升有限。
• 适合关注医疗模型可解释性的研究者与临床应用开发人员。

我们研究了用于中风后僵硬预测的交互感知专家混合模型，基于结构化健康记录的多层级视图。尽管性能提升微小，路由归因分析揭示了不同视图间系统性的重要性差异，凸显视图构建在可解释性中的关键作用。

原文摘要 · Abstract (English)

We study interaction-aware mixture-of-experts for post-stroke rigidity prediction using multi-level views of structured health records. Despite minimal performance gains, routing attribution reveals systematic importance differences across views, underscoring view construction as key to interpretability.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。