摘要
本发明公开了一种主动脉夹层和急性心肌梗死的特征数据识别方法,包括:获取主动脉夹层和急性心肌梗死的样本血液的红外和拉曼光谱数据;通过卷积神经网络建立红外集和拉曼光谱特征数据集;采用多头自注意力机制和交叉注意力机制将所述红外光谱精细特征数据集和拉曼光谱精细特征数据集的数据进行特征融合得到主动脉夹层和急性心肌梗死特征数据集;根据主动脉夹层和急性心肌梗死特征数据集进行新采集血液的红外光谱数据和拉曼光谱数据的特征数据识别。本发明通过两层卷积层提取光谱特征,结合自注意力和交叉注意力机制优化模态特征并融合互补信息,提升主动脉夹层和急性心肌梗死的特征识别的精准性和稳定性。
技术关键词
数据识别方法
主动脉
交叉注意力机制
红外光谱特征
拉曼光谱数据
血液
光谱仪
一维卷积神经网络
样本
模态特征
关系
荧光
算法
空气
系统为您推荐了相关专利信息
快速生成方法
红外图像特征
双分支卷积神经网络
三维模型
三维点云模型
交叉注意力机制
错误检测技术
样本
数据清洗方法
动态共享数据
负载预测方法
静态特征
前馈神经网络
计算机程序指令
序列
筛查方法
深度学习模型
预训练模型
文库
交叉注意力机制
功能分类方法
活动特征
BERT模型
序列特征
视觉特征