# 多模态深度学习

瑞士全境森林的树种组成此前多以“每像素一个优势树种”呈现，伴生树种的比例被抹去。研究把0.1米航空RGB影像、机载激光扫描、AlphaEarth年度卫星嵌入与气候变量组合进一个以影像为锚的深度学习模型，用3992个瑞士国家森林清查样地的地径断面积观测训练，输出30米网格上10个主要树种与一个Other类的地径断面积占比。空间交叉验证的宏平均决定系数为0.485；在未参与建模的森林保护区数据上，30米像素级宏平均为0.552、样地级为0.733，像素与样地的优势类识别率分别为73.2%和81.1%。

瑞士全境森林的树种组成此前多以“每像素一个优势树种”呈现，伴生树种的比例被抹去。研究把0.1米航空RGB影像、机载激光扫描、AlphaEarth年度卫星嵌入与气候变量组合进一个以影像为锚的深度学习模型，用3992个瑞士国家森林清查样地的地径断面积观测训练，输出30米网格上10个主要树种与一个Other类的地径断面积占比。空间交叉验证的宏平均决定系数为0.485；在未参与建模的森林保护区数据上，30米像素级宏平均为0.552、样地级为0.733，像素与样地的优势类识别率分别为73.2%和81.1%。

该研究利用MIMIC-III、MIMIC-IV、eICU与HiRID四个公开重症监护数据库共203,434例ICU入院记录（2001至2022年，覆盖200余家医院），开发并外部验证了一个多模态深度学习模型，仅使用ICU入科后首个24小时内可获得的时间不变变量、时间序列变量、临床文本记录与胸部X线图像，预测此后住院死亡风险；仅用结构化数据时模型AUROC为0.92（95% CI 0.90至0.93）、AUPRC为0.53（95% CI 0.49至0.57）、Brier分数为0.19（95% CI 0.18至0.20），在eICU八个机构外部验证AUROC为0.84至0.92，而在同时具备临床记录与影像的患

该研究利用MIMIC-III、MIMIC-IV、eICU与HiRID四个公开重症监护数据库共203,434例ICU入院记录（2001至2022年，覆盖200余家医院），开发并外部验证了一个多模态深度学习模型，仅使用ICU入科后首个24小时内可获得的时间不变变量、时间序列变量、临床文本记录与胸部X线图像，预测此后住院死亡风险；仅用结构化数据时模型AUROC为0.92（95% CI 0.90至0.93）、AUPRC为0.53（95% CI 0.49至0.57）、Brier分数为0.19（95% CI 0.18至0.20），在eICU八个机构外部验证AUROC为0.84至0.92，而在同时具备临床记录与影像的患