多模态学习用于多组学研究的调查
综述了近 300 篇有关精准肿瘤学中多模态数据融合技术的前沿研究,总结了早期评估、诊断、预后和生物标志物发现等主要临床应用的重大成果,并深入分析了未来研究领域中的关键挑战和必要路径。
Jun, 2024
这篇论文综述如何运用多模态深度学习技术提取和汇总多模态信息,以实现更客观、定量化的计算机辅助临床决策,并探讨了其在疾病诊断和预后中的应用、性能表现、挑战和未来发展方向。
Mar, 2022
机器学习在医疗人工智能系统中的应用,从传统和统计方法转向深度学习模型甚至最近的生成模型。近年来,发现了支持多模态数据集成的广泛可用的深度学习架构,尤其是针对图像的。将多种模态融入到这些模型中是一个蓬勃发展的研究课题,提出了独特的挑战。本文讨论了针对医学基于图像的临床决策支持模型的多模态人工智能的五大挑战(表示、融合、对齐、翻译和协同学习),并调查了近期解决这些挑战的方法。我们最后讨论了该领域的未来,并提出了在成功的临床模型及其在临床环境中的转化方面应进一步阐明的方向。
Nov, 2023
这篇综述研究了使用人工智能技术将多模式医疗数据进行融合,以开发不同临床应用的 AI 方法。通过对 34 个相关研究进行数据提取和分析,发现多模式融合模型在诊断和预测疾病等临床应用方面显著优于单一模式模型。
Oct, 2022
多模医学成像在临床诊断和研究中起着关键作用,深度学习多模态融合技术在提高医学图像分类方面显示出强大的工具。本综述对基于深度学习的医学分类任务中的多模态融合的发展进行了彻底分析,包括不同融合方案和网络架构的性能评估,讨论了相关挑战和未来研究方向。
Apr, 2024
基于低质量数据的多模态融合面临四个主要挑战:噪声多模态数据,不完整多模态数据,不平衡多模态数据和质量变化多模态数据。本文通过全面的分类对多模态融合的常见挑战和最新进展进行调研,为研究人员提供了了解该领域现状和发现潜在研究方向的方法。此外,本文还讨论了该领域的开放问题以及有趣的未来研究方向。
Apr, 2024
本文提出了一种新的不完全多模态数据整合方法,利用变压器和生成对抗网络,利用辅助模态数据来提高单模态模型的性能,并将其应用于预测阿尔茨海默病的认知退化和疾病结果。
May, 2023