multi-modal-learning

本文探讨了整合多模态临床数据（包括治疗记录、病理报告和临床医生笔记）的方法，通过基于规则的提取和机器学习，与单模态方法相比，提高乳腺癌复发预测的准确性。

本文提出了M-Hyper，一种新颖的多模态知识图谱补全方法，利用超复数（双四元数）代数平衡模态表示的融合与独立性。该方法引入细粒度实体表示分解模块和鲁棒关系感知模态融合模块，以改进的鲁棒性实现了最先进的性能。