MBFusion多模态融合模型

诊断预后提升10.1%

通过多模态平衡融合与多任务学习，同时实现癌症亚型分类和生存分析，在公共数据集上取得最高10.1%的性能提升。

张子烨 · 董守斌

Computers in Biology and Medicine 2024

参数信息

性能提升

10.1 %

技术优势

融合两种模态，诊断更准

病理图像和分子组学互补，采用平衡融合后分类准确率最高提升10.1%。

同时预测亚型和生存期

多任务学习共享融合特征，一次预测同时给出癌症亚型和生存风险。

模型可解释，利于临床

详细的可解释性分析展示模型决策依据，增强临床应用价值。

应用场景

• 癌症精准诊断：用于癌症亚型精确分类，指导个体化治疗方案选择。
• 生存预后预测：提供患者生存风险分层，辅助临床预后评估和随访规划。
• 多组学数据融合：融合病理图像和分子组学数据，挖掘跨模态互补信息以提升模型性能。
• 数字病理分析：利用深度学习自动提取病理图像特征，辅助病理医生提高诊断效率和一致性。