基于改进多模态Transformer算法的急诊高危患者实时分级方法

本发明公开了一种基于改进多模态Transformer算法的急诊高危患者实时分级方法，S1.生成时间同步多模态事件序列；S2.得到对应的单模态特征表示张量；S3.得到风险加权跨模态注意力矩阵；S4.在改进多模态Transformer融合网络中，利用时序滑动窗口缓存与增量更新机制生成融合特征表示张量，基于融合特征表示张量输出风险分级标签和对应的风险分级置信度；S5.将风险分级标签和风险分级置信度输入解释性子网络，生成临床因果链提示信息；S6.将风险分级标签、风险分级置信度和临床因果链提示信息同步。本发明显著提升高危患者识别的准确性与模型对临床复杂场景的适应能力，测试结果显示高危病例的实时识别准确率较常规多模态模型得到了提高。