摘要
本发明的一种基于多模态特征融合的乳腺功能预测方法、设备及介质,为使用线性先验假设提供了选择依据;然后,利用迁移学习技术,先前任务中学习到的特征和参数被应用于乳腺功能预测任务,解决了数据量不足的问题,同时提高了学习效率和模型的稳定性;最后,通过引入多模态特征融合的策略,实现了CT影像、临床文本特征和乳腺功能特征的有效结合,充分利用了不同信息源之间的互补性,进一步提升了预测性能。不同模态数据预测实验表明,加入临床文本特征的模型预测能力优于只使用CT影像的模型,使用CT影像+临床文本特征+乳腺功能特征的模型预测效果最优,验证了本研究所提取的乳腺功能特征的有效性。
技术关键词
功能预测方法
多模态特征融合
特征提取模块
预训练模型
文本
患者
影像
指标
生成参数
疾病
CT扫描
迁移学习技术
网络架构
残差神经网络
数据
乳腺结构
年龄
处理器
系统为您推荐了相关专利信息
医学检查数据
智能体系统
识别特征
影像
识别方法
监管系统
编码特征
特征提取模块
决策
并行迭代方法
状态检测方法
MFCC特征
频域特征
语音识别模型
状态检测系统
数据预测方法
工业物联网
注意力机制
神经网络预测模型
异构
压缩算法
大数据
电力
非数值型数据
线性回归模型