基于改进TabNet模型的骨折预测方法及系统

本公开涉及人工智能技术领域，提出了一种基于改进TabNet模型的骨折预测方法及系统，包括获取待预测对象的临床特征数据；将获取的特征数据输入至训练好的改进TabNet模型中，按照设置的顺序对特征进行选择、提取和累加的多步决策步的处理，得到预测结果；所述改进TabNet模型设置有自步学习模块，对TabNet模型的训练样本的难易进行控制，先学习简单样本，随着训练的进行逐步引入复杂样本进行训练，得到训练好的改进TabNet模型。结合多步决策步逐步学习和自步学习的样本选择，不仅提升了模型对骨折风险预测的准确性，还显著降低了模型对数据噪声的敏感性，提高了在复杂数据场景中的适应性和鲁棒性。