English(EN) CIGTSurv: Clinical Information Guided Tri-modal Survival Prediction with Local Prototype Association and Global Feature Alignment

新的CIGTSurv框架利用多模态数据增强癌症生存预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-05 04:00

研究人员开发了CIGTSurv，一个整合临床信息、病理图像和基因组数据的新型生存预测框架。该方法通过使用预训练的基础模型将离散且稀疏的临床数据转换为高维标记嵌入，解决了临床数据利用不足的挑战。CIGTSurv采用双层交互机制，包括用于标记级对应关系的局部原型关联模块和用于跨模态一致性的全局特征对齐损失。在五个TCGA癌症队列上的实验表明，CIGTSurv在生存预测方面取得了最先进的性能。 AI

影响这项研究通过更好地整合多样化的患者数据，有望提高癌症预后的准确性。

排序理由该集群包含一篇详细介绍新的生存预测方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jing Dai, Qibin Zhang, Weiwei Zhou, Mingde Xu, Jingsong Liu, Jingdong Zhang, Hongming Xu · 2026-08-05 04:00

CIGTSurv: Clinical Information Guided Tri-modal Survival Prediction with Local Prototype Association and Global Feature Alignment

arXiv:2608.03247v1 Announce Type: cross Abstract: Multimodal learning has significantly advanced survival prediction by integrating pathology images with genomic data. However, clinical information, despite its critical role in reflecting a patient' s overall health, remains unde…

报道来源 [1]

CIGTSurv: Clinical Information Guided Tri-modal Survival Prediction with Local Prototype Association and Global Feature Alignment

相关实体

相关话题