Columbia University（哥伦比亚大学）

Predicting Trajectories of Long COVID in Adult Women: The Critical Role of Causal Disentanglement

预测长期新冠轨迹：因果解缠的至关作用

Jing Wang, Jie Shen, Yiming Luo, Amar Sra, Qiaomin Xie, Jeremy C. Weiss

机构 * National Library of Medicine（国家医学图书馆） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Columbia University（哥伦比亚大学） ； The George Washington University（乔治华盛顿大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文通过整合临床数据与可穿戴设备数据，利用大语言模型构建因果网络，预测长期新冠严重程度，实现86.7%的预测精度，并区分病理活性与基线噪声。

UL-VIO: Ultra-lightweight Visual-Inertial Odometry with Noise Robust Test-time Adaptation

UL-VIO：超轻量视觉-惯性里程计与噪声鲁棒的测试时间适应

Jinho Park, Se Young Chun, Mingoo Seok

机构 * Columbia University, New York NY 10027, USA Dept. of ECE, INMC \& IPAI, Seoul National University, Republic of Korea 纠错

AI总结 本文提出UL-VIO，一种超轻量的视觉-惯性里程计，通过在测试时利用视觉-惯性一致性进行适应，实现资源高效的适应方法，实验表明其在不同动态领域转移场景下有效。