不完整多模态预后稳健
通过缺失模态的生成式补全与自适应融合，在不完整多模态数据下实现更可靠的医学预后预测。
Jianbin, He · 黄国恒 · Yuan, Xiaochen · Pun, Chi Man · 中国 · 杨琦 · 郭灵 · Zhu, Siyu · 雷柏英 · Li, Haojiang
Medical Image Analysis 2026
解耦泛化补全阶段通过渐进变换递归门控卷积与小波对齐域泛化，生成模态间与模态内共享信息，避免生成不可靠数据。
生成质量反馈调控动态调整模型对生成特征的依赖，防止过度依赖低质量数据，提升融合质量。
交叉代理注意力确保原始与生成模态特征充分整合和对齐，提升多模态融合效果。