一种基于多模态深度学习的心电图房颤预测方法

本发明设计心电图检测技术领域，具体涉及一种基于多模态深度学习的心电图房颤预测方法，包括如下步骤：S1、收集心电图信号数据，S2、信号预处理与特征融合以及S3、模型训练及房颤预测。本发明中通过复杂多尺度注意力机制和特征自适应注意力机制，提取多模态特征，结合基于卷积神经网络与长短时记忆网络相结合的深度学习模型，充分利用心电信号的多维特征和时序信息，从而极大提高了房颤预测方法的高效性、准确性及可靠性，解决了现有技术面对复杂多样的心电信号时，灵敏度和特异性无法满足要求的问题。