초록 항 N-메틸-D-아스파르트산 수용체(항 NMDAR) 뇌염의 예측 예측을 위한 고급 다중 모달 심층 학습 네트워크를 개발하여 의미 모호성과 MRI 및 임상 특징을 포함한 교차 모달 특징 통합의 효율 감소와 같은 주요 도전에 대응합니다. PCA-Net이라는 새로운 항 NMDAR 뇌염 예측 모델이 제안되었습니다. 먼저, 보다 효율적인 교차 모달 특징 상호 작용을 위해 전통적인 MRI 모드에 기반한 병변 강화 시퀀스가 구성되었습니다. 그 후, 교차 모달 특징 간의 심층 상호 작용을 촉진하기 위해 다중 모달 협력 주의 모듈이 제안되었습니다. PCA-Net의 핵심은 기존 방법과 달리 개별 모달 특징을 따로 제약하지 않는 새로운 자기 지도 학습 전략입니다. 제안된 방법은 네트워크가 교차 모달 특징 간의 관계를 먼저 탐색할 수 있도록 하여, 지나치게 정규화로 이어지는 조기 제약을 피합니다. 두 개의 독립 데이터 세트에 대한 평가에서 PCA-Net은 항 NMDAR 뇌염 환자의 예측에서 기존 최첨단 방법을 지속적으로 능가함을 보여줍니다. 교차 모달 특징 통합을 강화함으로써, 제안된 방법은 항 NMDAR 뇌염에 대한 보다 정확한 예측 도구의 개발에 기여하며, 임상 의사 결정 개선에 대한 잠재적 함의를 갖습니다.
He et al. (Sun,)이 이 문제를 연구했습니다.