一种基于多模态影像和深度学习的意识障碍疾病分类方法

本发明涉及一种基于多模态影像和深度学习的意识障碍疾病分类方法。它解决了现有技术中单模态医学影像分析精度低，影响医学诊断的问题。它包括S1、对原始数据进行数据清洗和数据预处理工作；S2、构建网络模型以处理分析数据；S3、选择三种不同的融合方式，获取三分类结果；S4、使用可视化方法解释深度学习模型的决策过程。本发明的优点在于：解决现有技术中因依赖主观行为观察导致的误诊率高以及模型可解释性不足的问题；克服了仅使用单一模态对意识障碍水平予以分析时存在的局限性，提升了深度学习模型对患者的意识障碍水平进行精确分类的能力，为精确诊断意识障碍疾病提供了强有力的工具，有助于增强意识障碍疾病的临床管理与服务水平。