用于负面妊娠结果分类的Imbalanced数据的数据增强

Research Paper#Public Health, Data Augmentation, NLP, Social Media, Pregnancy Outcomes🔬 Research|分析: 2026年1月3日 19:41•
发布: 2025年12月28日 00:22
•
1分で読める
•ArXiv

分析

本文通过利用社交媒体数据来改善负面妊娠结果的分类，从而解决了重要的公共卫生问题——婴儿死亡率。使用数据增强来解决此类数据集固有的不平衡问题是一项关键贡献。NLP流程和评估干预措施的潜力意义重大。本文侧重于将社交媒体数据用作辅助资源，具有创新性，并可能带来有价值的见解。
引用 / 来源
查看原文
"The paper introduces a novel approach that uses publicly available social media data... to enhance current datasets for studying negative pregnancy outcomes."
A
ArXiv2025年12月28日 00:22
* 根据版权法第32条进行合法引用。
较旧

FoldAct: Efficient and Stable Context Folding for Long-Horizon Search Agents

较新

Improved cystic hygroma detection from prenatal imaging using ultrasound-specific self-supervised representation learning

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv