摘要
本发明提供一种基于多模态时间序列数据的蜂窝肺疾病病情预测方法,属于蜂窝肺疾病病情预测技术领域;所要解决的技术问题为:提供一种基于多模态时间序列数据的蜂窝肺疾病病情预测方法;解决该技术问题采用的技术方案为:收集病人在不同时间点的CT描述文本和CT影像数据,然后对收集到的数据进行清洗和标注,结合数据构建全面的时间序列数据集,用于训练和测试模型;搭建时间序列模型,包括:输入层、小波变换层、Transformer层、融合层、输出层,将构建的时间序列数据集输入输入层,将时间序列数据转换为嵌入表示,由输入层处理多模态数据,准备输入后续层;本发明用于对蜂窝肺疾病病情进行预测。
技术关键词
多模态
CT图像数据
前馈神经网络
表达式
疾病
频域特征
生成特征向量
注意力
时间序列模型
文本
更新模型参数
标签
编码向量
电子病历系统
矩阵
优化器
系统为您推荐了相关专利信息
甲烷排放量
深度学习模型
集成梯度
深度学习优化
梯度提升决策树
AI系统
AR智能眼镜
LSTM神经网络
数据采集层
环境传感器阵列
数据库构建方法
鸡尾酒配方
感知特征
图像特征向量
标签
智能客服
物流
生成答案
大语言模型
数据处理模块