用于食管鳞状细胞癌总生存期预测的多模态中间特征交互自编码器

食管鳞状细胞癌(ESCC)的生存期预测对于医生评估患者病情和制定治疗方案至关重要。多模态深度学习在该领域的应用和发展近年来引起了关注。然而，以往的研究尚未深入探索跨模态之间的预后相关特征，这可能阻碍模型的性能。此外，不同模态特征表示之间固有的语义鸿沟也被忽视。在本工作中，我们提出了一种新颖的基于自编码器的深度学习模型来预测ESCC的总生存期。设计了两个新颖的模块用于多模态预后相关特征增强和建模能力提升。此外，提出了一种新颖的联合损失函数，使多模态特征表示更加对齐。对比实验和消融实验表明，我们的模型在判别能力、风险分层以及所提模块的有效性方面均能取得令人满意的结果。