iPAS 考題解析下列哪項技術最有助於強化醫療多模態 AI 系統在處理影像與文本數據時的整合能力？

解析

正確答案：D. 採用 Transformer 架構整合醫療影像與臨床文本資訊

Transformer 架構（特別是多模態 Transformer，如 ViLBERT、CLIP）透過自注意力機制能同時處理影像 patch 特徵和文本 token，實現跨模態的語義對齊和融合，是醫療多模態 AI 的主流方案。純 CNN 無法有效處理文本；規則系統缺乏學習能力；單一模態無法實現多模態整合。

每個選項為什麼對或錯

• A 利用預先定義的規則產生診斷結果 錯誤選項

  預定義規則缺乏學習能力，無法整合多模態語義。

• B 僅使用 CNN 架構同時處理影像與文字資訊 錯誤選項

  CNN 擅長影像特徵提取但不適合處理文字序列。

• C 利用單一模態資料建立通用醫療模型 錯誤選項

  單一模態無法整合影像與文本兩種模態。

• D 採用 Transformer 架構整合醫療影像與臨床文本資訊 正解

  Transformer 能同時處理影像和文本並進行跨模態整合，此為正確答案。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。