摘要
本发明涉及一种基于多模态数据融合的脊柱弯曲异常早期筛查方法及系统,包括:基于获取到的多模态数据进行时空序列特征的融合、以及三维生物力学建模,得到脊柱‑骨盆‑下肢动态耦合网络;基于动态耦合网络通过图注意力机制进行关键力学传递路径的加权计算,得到路径强化特征向量;基于路径强化特征向量进行多模态风险量化建模,得到多维度风险指标;基于多维度风险指标,通过阈值比较、以及利用动态风险分层进行分级预警决策,以实现脊柱弯曲异常的早期筛查。该方案的实施能够提高脊柱弯曲异常的早期筛查准确度。
技术关键词
多模态数据融合
风险分层
早期筛查方法
注意力机制
动态
序列特征
网络
指标
多路径特征融合
早期筛查系统
深度优先搜索算法
足底压力传感器
弯曲
跨模态
生物力学参数
决策
系统为您推荐了相关专利信息
离群数据识别方法
预测残差
注意力机制
滑动窗口技术
指标
动态知识图谱
分类档案
数据
定义标签
分类识别方法
运动诱发电位
神经网络模型
多模态数据融合
弥散张量成像数据
纤维束
在线校准系统
多光谱传感器
分层
线性关系模型
通道