缺失模态下多模态生存预测的证据融合网络

arXiv:2606.20757v1 公告类型：新 摘要：最近的多模式生存预测模型通过利用跨模式的互补信息表现出了强大的预测性能。然而，此类模型通常假设数据完整性，并且对缺失模式表现出有限的鲁棒性，而这在现实世界的临床环境中经常遇到。我们提出了证据缺失模态生存融合（EMMS）模型，用于缺失模态下的多模态生存预测。 EMMS 提供了一种简单、计算有效的生存分析方法，无需缺失数据的生成阶段。通过采用 Dempster-Shafer 理论和高斯随机模糊数进行多模态决策融合，它考虑了任意和认知不确定性以及融合的模态可靠性。此外，该模型将缺失的模式视为空洞的证据，防止对可用输入的干扰，并自然反映增加的不确定性和校准的预测。对四个癌症数据集的广泛实验证明了最先进的性能，同时在不完整的多模态观察下提供校准和可解释的不确定性估计，而不会引入额外的计算开销。