精准 ICU 资源规划：脑手术结果的多模态模型
图像与视频处理
2024-12-23 v1 计算机视觉与模式识别
神经元与认知
摘要
尽管脑手术技术的进步导致术后并发症引起的 ICU 监护需求减少，但患者 routine 转送至 ICU 仍是临床标准做法，尽管成本高昂。基于临床数据的预测性梯度提升树法尝试通过术前识别关键风险因素来优化 ICU 入院；然而，这些方法忽略了可能提升预测准确性的影像数据的价值。本研究表明，结合临床数据与影像数据的多模态方法在仅使用术前临床数据时，将 F1 分数从 0.29 提升至 0.30；在术前和术后数据均使用时，将 F1 分数从 0.37 提升至 0.41。该研究表明，有效的 ICU 入院预测受益于多模态数据融合，尤其在严重类别不平衡的情境下尤为重要。
引用
@article{arxiv.2412.15818,
title = {Precision ICU Resource Planning: A Multimodal Model for Brain Surgery Outcomes},
author = {Maximilian Fischer and Florian M. Hauptmann and Robin Peretzke and Paul Naser and Peter Neher and Jan-Oliver Neumann and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2412.15818},
year = {2024}
}