预测淋巴结转移
利用临床多模态数据互联融合，为HR+/HER2-乳腺癌患者用药决策提供更准确的淋巴结转移数目预测。
Jinlin, Ye · Yuhan, Liu · 任尚杰 · 王常珺 · 周易冬 · 杨亮 · 张威
Information Fusion 2025
通过潜在关联状态（PAS）进行层次化特征提取与融合，捕捉隐式的模态间相关性，缓解模态异质性。
临床聚类图编码器（CCGE）对临床数据中的复杂簇内关系进行建模，提升表征能力。
特征分类与重排（FCR）增强特征多样性和模态间交互，进一步提高预测性能。
在Abemaciclib用药指导任务上的对比实验表明，MIINet优于其他已报道的多模态融合方法。