基于层次对比学习和逐步正交多模态融合的代谢物-疾病关联预测方法

本发明公开了一种基于层次对比学习和逐步正交多模态融合的代谢物‑疾病关联预测方法，涉及代谢物‑疾病关联预测技术领域，包括：分别计算疾病的语义相似性、高斯核相似性和基于信息熵的相似性，形成疾病的3个初始特征；分别计算代谢物的结构相似性、高斯核相似性和基于信息熵的相似性，形成代谢物的3个初始特征；构建超图并进行层次对比学习对疾病的3个初始特征和代谢物的3个初始特征进行处理，提取到单模态潜在特征，对单模态潜在特征进行逐步正交多模态融合得到潜在特征，将提取的潜在特征送入到多层感知机MLP中进行训练和预测。解决了现有技术中的信息丢失和特征提取不足的问题，提高预测的准确性和效率。