基于深度学习和多基因评分的心房颤动预测方法及系统

本发明提供一种基于深度学习和多基因评分的心房颤动预测方法，基于多模态数据融合，将心电图（ECG）信号、临床特征数据和多基因风险评分（PRS）相结合。通过整合深度学习模型、临床风险评分和多基因风险评分，显著提高AF预测的准确性和稳定性。其技术价值体现在：多源数据融合：首次在单一系统中结合ECG信号、临床数据和基因信息，提供全面的个体化风险评估；实时分析能力：基于ECG实时数据处理能力，可用于动态风险评估；临床决策支持：为医护人员提供科学量化的AF预测报告，辅助制定干预策略。