斯塔万格大学团队发布IBD多模态融合比较论文
热点事件持续更新
斯塔万格大学团队发布IBD多模态融合比较论文
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
挪威斯塔万格大学Ankana Banerjee等在arXiv提交论文(arXiv:2611.05579),提出模块化多模态融合框架,比较15种融合方法预测新确诊炎症性肠病患者的STRIDE-II对齐缓解结局,论文已投至2027年IEEE生物医学成像国际研讨会(ISBI)。 方法上,团队将冻结基础模型提取的切片级嵌入(经注意力聚合器训练得到)与每次就诊的临床数据嵌入输入15种可互换的融合方法,共用统一预测头。基于前瞻性队列的实验显示,最佳方法macro-F1达0.57-0.75,在六种场景中四种优于单模态模型;且性能相近的方法对切片图像的依赖程度差异很大。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
炎症性肠病全切片图像与临床数据的多模态融合方法比较研究报道时间线
沿着报道,了解事件的不同侧面。
11月5日
- arXiv cs.AI炎症性肠病全切片图像与临床数据的多模态融合方法比较研究
挪威斯塔万格大学团队提出模块化多模态融合框架,将冻结基础模型的切片级嵌入与每次就诊的临床数据嵌入,通过 15 种可互换融合方法结合统一预测头,预测新确诊炎症性肠病患者的 STRIDE-II 对齐缓解结局。最佳方法 macro-F1 达 0.57-0.75,在六种场景中四种优于单模态模型,且性能相近的方法对切片图像的依赖程度差异很大。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。