换一批基于多模态多标签方法的骨折复位固定器疗法预测研究
Research on prediction of fracture reduction fixator therapy based on multimodal multi-label method
摘要目的:通过多模态多标签分类方法(multi-modal multi-label classification method,MMC)构建骨折复位固定器疗法预测模型.方法:收集2019年至2023年818例骨科就诊患者病历数据,结合VGG19网络提取医学图像特征、MiniLM模型提取中医四诊文本特征及全连接神经网络提取临床病例特征,融合多模态信息后,通过线性层实现多标签治疗预测.结果:在临床多模态数据集上的试验结果表明,MMC方法在子集准确率(subset accuracy,SA)、准确率(accuracy,Acc)、精确率(precision)和F1得分方面表现优异,分别达到0.661、0.856、0.897和0.899.去除图像模态和文本模态后,模型性能分别平均下降8.1％和2.4％,汉明损失(hamming loss,HL)分别上升21.1％和5.6％.结论:本研究构建的骨折复位固定器疗法预测模型能够有效融合多模态数据,精准预测患者的个性化治疗方案,显著提升治疗决策的准确性和可靠性,为中医治疗骨折的数字化和智能化提供了新的解决方案,具有重要的临床应用前景.
更多相关知识
关键词
多模态多标签分类中医骨伤骨折复位固定器疗法预测Multi-modalMulti-label classificationTraditional Chinese medicine orthopaedics and traumatologyFracture reduction and fixationTreatment prediction
栏目名称
DOI
10.12200/j.issn.1003-0034.20250488
发布时间
2026-01-06（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
