用于超声信号去噪的多模态大语言模型的训练方法和装置

本发明公开了用于超声信号去噪的多模态大语言模型的训练方法和装置，属于医疗数据处理技术领域。该方法包括：获取带有时序信息的多模态超声数据作为训练数据；将训练数据随机进行部分时段的遮挡处理；将遮挡处理后的训练数据输入至多模态大语言模型中，输出被遮挡的数据；根据输出的被遮挡的数据与训练数据中被遮挡的数据的差异对多模态大语言模型进行全参数优化，得到训练好的多模态大语言模型。采用自监督学习和时序数据遮挡处理预测方法，识别出噪声时段并去除，提升了超声数据的准确性和可靠性。其中，在模型训练阶段，减少了对大规模标注数据的依赖。在模型推理阶段，能够精确识别和去除时序数据中的噪声，提高了去噪效果的精度和可靠性。