一种少类多种多模态医疗数据融合的方法、系统、电子设备、可读存储介质

本发明涉及一种少类多种多模态医疗数据融合的方法、系统、电子设备、可读存储介质，属医疗数据处理领域。包括：对输入的文本数据、时间序列数据、图像数据进行特征提取；对提取后的单模态特征进行对齐及融合；采用基于前缀标记Prefix Token的任务区分策略实现多任务学习；根据输入样本的任务需求加载相应的前缀标记Prefix Token，并使用任务对应的解码方式实现推理。本发明在单一模型中实现了文本生成、时序预测、分类和异常检测等多任务的协同优化，确保各任务性能的均衡，在处理小样本、高噪声以及不完整数据时表现出显著的鲁棒性，提高了模态融合的效率和质量，降低了系统复杂性，同时提高了模型的易用性和可部署性。