本文介绍了一种基于深度学习的脑卒中损伤分割方法，旨在客观测量损伤并预测神经功能损害。该方法高效、自动，能够量化损伤体积和大脑结构。此外，研究还提出了多模态磁共振脑肿瘤分割技术，利用不同成像模态提高分割性能，展现出良好的泛化能力和鲁棒性。

本研究提出了一种基于 Transformer 架构和自注意机制的多模态融合框架 Multitrans，通过将非对比度计算机断层成像（NCCT）图像和中风治疗患者的出院诊断报告结合起来，使用一种基于 Transformer 架构的多种方法来预测中风治疗的功能结果。结果表明，单模态文本分类的性能明显优于单模态图像分类，但多模态组合的效果优于任何单模态。尽管 Transformer...