面向帕金森病辅助诊断的多模态数据融合与特征优化方法

本发明公开了一种基于贝叶斯决策与特征优化的多模态帕金森预测方法，步骤如下：S1、获取待评估的多模态数据集，并对数据集进行预处理；S2、将处理后的数据输入至预先构建的分类器集合模型中，得到每种模态的预测结果；S3、构建动态置信度评估模型，通过多模态概率矩阵联合建模，建立跨模态动态权重分配机制，优化异源数据在决策层中的贡献度；S4、构建特征稳定性优化模型，通过对特征维度的统计量建模实现模态内特征可靠性校准，继而通过维度自适应加权生成鲁棒性决策输出，用于辅助帕金森病的评估。本发明充分利用多模态数据的互补性，能够在复杂的真实场景下实现更精确的辅助帕金森的预测。