一种基于机器学习的植入物状态模拟方法及其系统

本发明涉及植入物状态模拟领域，公开了一种基于机器学习的植入物状态模拟方法及其系统，该一种基于机器学习的植入物状态模拟方法，包括以下步骤：数据采集：通过植入式传感器和外部监测设备采集植入物状态相关的多模态数据；处理融合：通过张量分解和图卷积网络对多模态数据进行特征提取与跨模态融合得到融合数据；模型训练：将融合数据输入到融合时空双流卷积神经网络和胶囊网络的深度学习模型中，在该模型的输出层后设置变分推理模块。通过构建融合时空双流卷积神经网络与胶囊网络的深度学习模型，结合张量分解和图卷积网络实现多模态数据的高阶特征提取与跨模态融合，并引入变分推理模块对模型参数不确定性进行量化。