本文介绍了一种新方法“多模态联邦交叉原型学习（MFCPL）”，旨在解决多模态联邦学习中的缺失模态问题。通过交叉模态正则化和对比机制，MFCPL在特定模态特征上提升性能，尤其在缺失模态场景中表现优异。实验结果验证了其有效性，并强调了多模态学习在医疗领域的重要性及未来发展方向。