基于空洞卷积与一致性学习的精神状态数据分类预测系统

本发明公开了基于空洞卷积与一致性学习的精神状态数据分类预测系统，融合多模态数据，提取空间与时序特征，提升预测准确性，降低对高成本检测的依赖，为临床提供客观可靠的决策支持。本发明还改良了的Con4m框架中的编码器，在其中加入注意力机制使得模型能关注数据中上下文模式，增强了模型对复杂精神状态时序变化的适应性。同时在一致性类别预测模块加入时序特征动态调整机制，保证模型在训练过程中始终保持对老年精神状态数据的良好适配性。