一种基于证据解耦学习的医学多模态分类方法

本发明公开了一种基于证据解耦学习的医学多模态分类方法，其具体步骤如下：多模态数据输入，并提取模态级的证据特征；计算特征级鲁棒性图；将鲁棒性图转换并计算鲁棒性得分；特征解耦及特征修复；计算证据注意力；多模态特征的融合与分类。本发明利用证据学习理论为待解耦的特征生成特征级别鲁棒得分，利用解耦学习方法对特征进行解耦，有效地帮助解耦过程对两类特征实现精准分离；利用先分离特征后修复特征的策略，增强多模态特征表示的质量，缓解噪声、对抗扰动等信息对医学多模态分类的干扰。