一种基于多模态数据融合与深度学习模型的胸痛分类方法及系统

本发明涉及一种基于多模态数据融合与深度学习模型的胸痛分类方法及系统，属于智能医学辅助诊断技术领域。首先对胸片图像进行心脏区域分割与病理特征增强预处理，采用针对胸片做优化改进的多尺度视觉模型提取解剖特征，同时对心电图信号实施多导联时序校准与ST段波形标记，通过多尺度一维卷积网络捕获电生理时序特征；随后构建动态门控混合专家系统，其中解剖专家、电生理专家、多模态关联专家和危急值专家分别处理特定模态特征，门控网络基于实时生命体征和病理特征动态计算专家权重。本发明的方法通过集成多模态数据，结合深度学习技术，能够为临床医生提供快速、精准的胸痛分类支持和报告生成，具有广泛的应用前景。