IMAN：用于不完整多模态 NPC 死亡预测的自适应网络
机器学习
2024-10-25 v1 人工智能
摘要
准确预测鼻咽部腺癌 (NPC) 的死亡风险至关重要，这是一种尤其在晚期病情下尤为具有挑战性的复杂恶性肿瘤，旨在优化治疗策略并提高患者预后。然而，这一预测过程常常因 NPC 相关数据的高维度和异构性，以及伴随而来的不完整多模态数据的普遍问题而受到影响，表现为缺失的放射学图像或不完整的诊断报告。传统机器学习方法在面对此类不完整数据时会出现显著的性能下降，因而无法有效处理高维度和跨模态的复杂关联。即便是像 Transformer 这样的先进多模态学习技术，在缺失模态的情况下也难以保持稳健的性能，因为它们缺乏专门的机制来自适应地整合和对齐来自不同数据类型的多样性，同时也捕捉复杂 NPC 数据中细微的模式和情境关系。为此，我们提出了 IMAN：一种用于不完整多模态 NPC 死亡预测的自适应网络。
引用
@article{arxiv.2410.18551,
title = {IMAN: An Adaptive Network for Robust NPC Mortality Prediction with Missing Modalities},
author = {Yejing Huo and Guoheng Huang and Lianglun Cheng and Jianbin He and Xuhang Chen and Xiaochen Yuan and Guo Zhong and Chi-Man Pun},
journal= {arXiv preprint arXiv:2410.18551},
year = {2024}
}
备注
The paper has been accepted by BIBM 2024