AMMASurv：用于全切片图像与基因表达数据精确生存分析的非对称多模态注意力
计算机视觉与模式识别
2021-12-09 v2 人工智能
摘要
使用全切片图像（WSIs）与基因表达数据等多模态数据进行生存分析可带来更准确的生存预测。以往的多模态生存模型无法有效挖掘各模态内的内在信息。此外，以往方法将不同模态的信息视为同等重要，因而不能灵活利用模态间的潜在联系。为解决上述问题，我们提出一种称为 AMMASurv 的新型非对称多模态方法。与以往工作不同，AMMASurv 能有效利用每个模态内的内在信息，并灵活适应不同重要性的模态。令人鼓舞的实验结果证明了我们的方法优于其他最先进方法。
引用
@article{arxiv.2108.12565,
title = {AMMASurv: Asymmetrical Multi-Modal Attention for Accurate Survival Analysis with Whole Slide Images and Gene Expression Data},
author = {Ruoqi Wang and Ziwang Huang and Haitao Wang and Hejun Wu},
journal= {arXiv preprint arXiv:2108.12565},
year = {2021}
}
备注
4 pages. Accepted by IEEE BIBM 2021