一种融合心电信号与临床特征的房颤术后复发预测方法

本发明提供一种融合心电信号与临床特征的房颤术后复发预测方法。所述方法包括：获取患者消融术前数据，对心电信号进行重采样、去噪及归一化预处理和数据段分割；利用含残差卷积块与长短期记忆模块的深度网络提取时空特征；通过统计分析和机器学习模型筛选高判别性临床基线特征；提取短时心率变异性时频域、非线性特征；设计跨模态注意力融合模块进行特征自适应加权融合；基于融合特征通过多层感知器输出复发概率。本发明通过特征互补性提升预测精度，有助于识别高复发风险患者，适用于窦性心律信号或房扑、房颤信号，在心血管精准医疗领域具有一定的应用价值。本方法可推广至所有的基于电生理信号的预测研究。