张量注意力诊断模型

多模态融合更准

与渐进式神经网络持续学习协同，在医疗数据流中保持稳定诊断性能。

Iqbal, Saeed · Xiaopin, Zhong · Khan, Muhamamd Attique · Shabaz, Mohammad · 吴宗泽 · Dina Abdulaziz, Alhammadi · 刘维湘 · Shabbab, Algamdi · 李阳

IEEE Transactions on Consumer Electronics 2025

参数信息

KR 评分

90.4 %

MMC 评分

0.097

技术优势

融合更准

动态、任务特定的注意力能够改善跨模态特征对齐，从而提升诊断准确率。

不遗忘旧知识

渐进式神经网络通过持续学习和记忆增强，确保在数据流变化时仍能保持学习稳定性，避免灾难性遗忘。

跨域稳健

在多种多模态数据集上均取得显著改进，表现出优越的泛化能力。

应用场景

• 医学影像分析：对齐多模态影像特征，减少误诊漏诊。
• 临床决策支持：整合异构临床数据，辅助医生做出更准决策。
• 医疗物联网：在数据流持续变化时保持模型稳健，适合边缘实时分析。
• 脑机接口：融合脑电等多模态信号，提升脑机接口的识别可靠性。