摘要
本发明属于特征融合技术领域,公开了多模态医学数据渐进融合的方法及系统。本发明通过渐进融合方法,基于跨层次注意力机制实现层次融合特征向量交互,利用残差网络缓解因层数增加导致浅层信息容易丢失的问题,以渐进交互的方式使得渐进融合特征所包含的层次信息最大化。本发明提供了动态图学习方法,通过图自适应学习,捕捉特征的非线性相互作用关系,降低相似矩阵的异质性,提高了信息传递的准确性;该自适应学习过程中针对每个患者的特征进行阈值预测,以对相似矩阵进行剪枝,使得剪枝后的相似矩阵更准确。
技术关键词
融合特征
结构化电子病历
模态特征
医学
多模态
数据
层次注意力机制
非线性相互作用
患者
特征融合技术
CT扫描图像
无监督特征
文本
影像
卷积解码器
重构
对齐模块
残差网络
融合方法
系统为您推荐了相关专利信息
情绪识别方法
终端设备
频段
拉普拉斯噪声
噪声量
滑坡识别方法
文本编码器
图像编码器
多模态
采样器
前景分割方法
特征提取模块
注意力机制
解码器
卷积神经网络提取
综合管理系统
预测模型构建方法
胰岛素
患者
因果关系模型