基于深度学习的感染风险动态评估方法

本发明公开了基于深度学习的感染风险动态评估方法，涉及智能监测技术领域。通过调用预训练深度学习模型整合多源异构数据，基于SEIR感染模型计算基本再生数（R0）数值集，将其作为时空图网络的节点初始特征，构建双层动态网络生成区域脆弱性评分矩阵。通过线性组合脆弱性评分与R0数值集计算全域感染风险指数，当指数超过预设阈值时生成预测感染密度矩阵及分级防控策略。进一步将预测结果与实测感染数据比对，动态调整症状关键词权重和医疗资源依赖度参数，触发模型在线增量学习以优化评估精度。实现多源数据融合建模与防控策略的动态适配，显著提升感染风险评估的时效性与防控决策的科学性。