Filippo Ruffini

处理非小细胞肺癌多模态生存预测中的缺失模态

研究人员开发了一种新颖的多模态深度学习框架，旨在改善非小细胞肺癌（NSCLC）的生存预测。该框架通过利用基础模型进行特征提取和一种缺失感知编码策略，有效处理了临床、放射学和组织病理学模态中的缺失数据。该方法允许对可用数据进行中间融合，优于单模态基线，并在三模态配置下实现了 74.42 的 C 指数。该模型适应不同数据流依赖性的能力以及产生临床意义的风险分层，凸显了其转化潜力。