面向多模态卒中复发预测的视觉与跨模态学习：一种可解释的两步框架

英文标题：Enabling Vision and Cross-Modal Learning for Multimodal Stroke Recurrence Prediction: An Interpretable Two-Step Framework

该论文发表于 arXiv（arXiv:2609.22271v1），属于新增预印本。研究聚焦多模态卒中复发预测，旨在整合异构的临床数据与影像数据。论文指出，模态间数据不平衡可能导致模型过度依赖占主导地位的模态，并未能充分利用其他模态提供的互补信息。其提出的可解释两步框架面向视觉与跨模态学习，对医疗 AI 开发者而言具有改善多源数据融合、模型可解释性及临床预测可靠性的潜在意义。

2.1 KB 461 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB