图融合临床知识网络

小样本高可信

该模型将临床规则组织成图结构，并在图像与图之间建立全局-局部对齐，使网络即使在数据稀缺时也能准确聚焦病灶区域。

Xu, Zhikang · 梁吉业 · Zhipeng, Wei · 岳晓冬 · 李德玉

Pattern Recognition 2026

技术优势

小样本也能做

临床规则以图形式嵌入，提供强先验，在膀胱肿瘤分类数据集上即使训练数据有限也能达到最优性能。

病灶看得准

全局-局部对齐和动态图像块选择减少了模型对噪声区域的关注，准确聚焦病灶区域。

临床知识用得上

用图而非纯文本表示临床规则，节点描述疾病关键特征，更能有效增强下游模型。

应用场景

• 医学图像分类：在标注数据稀少时构建高精度分类模型。
• 临床决策支持：通过可靠分类和病灶定位辅助医生判断。
• 病理辅助诊断：准确关注病灶区域，减少无关噪声干扰。