本研究提出了一种基于隐式正则化和标签嵌入的多标签学习特征选择新方法。实验结果显示，该方法在基准数据集上显著降低了偏差，可能改善过拟合问题。

我们提出了IMLSP框架，用于多标签多模态的头颈癌存活预测，能够同时预测多个存活结果并提供可视化解释。通过RADCURE HNC数据集评估，结果优于单模态和单标签模型。该模型关注肿瘤和淋巴结体积，证明多标签学习提升了效率和预后性能，有助于理解AI决策，促进个性化治疗。