基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法

本发明公开了一种基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法，包括以下步骤：(1)信息自动录入，得到入院即时信息和时序医疗信息；(2)进行心房颤动风险因素挖掘：提取入院即时信息，利用Stacking集成机器学习模型与Shap可解释性分析算法，进行风险因素挖掘；(3)导入心电图数据，结合入院即时信息和时序医疗信息，利用Multimodal‑AF Transformer模型对三种模态的数据进行处理，实现心房颤动检测，生成预测结果和概率。本发明利用多模态数据处理来检测心房颤动，通过机器学习模型进行分析和预测，显著提升了检测精度和模型的可解释性。