多模态融合深度学习模型在疾病识别中的应用
计算机视觉与模式识别
2024-06-28 v1 人工智能
摘要
本文介绍了一种创新的多模态融合深度学习方法，以克服传统单模态识别技术的局限性。这些局限性包括信息不完整和诊断准确性有限。在特征提取阶段，应用了包括卷积神经网络(CNN)、循环神经网络(RNN)和transformer在内的最前沿深度学习模型，从图像、时间序列和结构化数据源中提炼出高级特征。融合策略组件旨在为特定的疾病识别任务确定最佳融合模式。在实验部分，比较了所提出的多模式融合模型与现有单模式识别方法的性能。研究结果表明，多模式融合模型在多个评估指标上都具有显著优势。
引用
@article{arxiv.2406.18546,
title = {Application of Multimodal Fusion Deep Learning Model in Disease Recognition},
author = {Xiaoyi Liu and Hongjie Qiu and Muqing Li and Zhou Yu and Yutian Yang and Yafeng Yan},
journal= {arXiv preprint arXiv:2406.18546},
year = {2024}
}