[基于多式多标签方法预测骨折减轻固定剂治疗的研究]
Hai-Yu Liu1, De-Long Wang2, Xing-Ping Zhang1
1National Data Center of Tradition Chinese Medicine, China Academy of Chinese Medical Sciences, Beijing 100700, China.
Zhongguo gu shang = China journal of orthopaedics and traumatology
|December 4, 2025
概括
这项研究开发了一种多模式分类模型,用于预测骨折减轻固定剂治疗. 该模型有效地整合了各种患者数据,以提高传统中医 (TCM) 中的治疗决策.
科学领域:
- 整形外科手术 整形外科手术
- 人工智能在医学中的应用
- 传统中国医学 (TCM) 是一种
背景情况:
- 骨折治疗依赖于对治疗有效性的准确预测.
- 整合多模式数据可以改善个性化治疗规划.
- 传统中国医学 (TCM) 的数字化为临床决策支持提供了新的途径.
研究的目的:
- 构建骨折减轻固定剂治疗的预测模型.
- 用多模式多标签分类 (MMC) 方法进行治疗预测.
- 提高骨折护理中治疗决策的准确性和可靠性.
主要方法:
- 收集了818名骨科患者 (2019-2023) 的医疗记录.
- 从医学图像 (VGG19),TCM诊断文本 (MiniLM) 和临床数据 (完全连接的神经网络) 中提取特征.
- 使用线性层预测多标签治疗的融合多模式信息.
主要成果:
- 该MMC方法实现了高性能:子集精度 (SA) 0.661,精度 (Acc) 0.856,精度0.897,和F1得分0.899.
- 删除图像和文本模式分别降低了8.1%和2.4%的性能.
- 哈明丢失 (HL) 增加了21.1% (图像删除) 和5.6% (文本删除),表明多式联络数据的重要性.
结论:
- 开发的模型有效地融合了多模式数据,以准确预测骨折治疗.
- 它可以实现个性化治疗计划,提高决策准确性和可靠性.
- 为骨折治疗中TCM提供了一种新的数字和智能解决方案,具有显著的临床潜力.
