基于多模态融合框架的角膜术后炎症评估方法

《Scientific Reports》：Intelligent evaluation method for inflammatory response after trans-PRK and FS-LASIK based on multimodal feature fusion

　　评估经角膜上皮PRK和飞秒激光辅助LASIK术后的炎症仍然是具有挑战性的。本研究提出了一种多模态融合框架，并以炎症动态物理描述符作为支撑。该模型使用模态特定编码器处理眼部影像和结构化临床或生物标志物序列，对不可用的模态采用显式观测掩码，并利用跨模态注意力模块学习访问级别的融合权重。在本研究评估的四个去标识化回顾性数据分区中，所提出的融合模型将每个分区中报告的最强基线的准确率提高了2.66至4.10个百分点，在F1分数和AUROC方面也表现出类似的提升。结果表明，中级多模态融合可以支持术后炎症评估。在临床部署之前，仍需要更大规模的外部验证队列、校准分析以及与医学多模态融合方法的直接比较。