一种基于机器学习的多模态脑部异常检测方法及系统

本发明涉及生物医学工程技术领域，尤其涉及一种基于机器学习的多模态脑部异常检测方法及系统。其方法包括获取不同模态的脑部医学图像数据，通过基于互信息的多模态配准算法实现空间配准对齐；利用包含卷积神经网络、变换器和状态空间模型的多分支特征提取模型，对各模态的原始图像进行特征嵌入；通过自适应近似小波变换对每一模态的特征进行频率解耦，将特征分解为高频细节信息和低频全局信息；对不同模态图像的高低频特征分别实施基于注意力机制的频段融合策略，将融合后的频率子带特征输入空间‑频率Mamba模块。本发明通过自适应频域分解和跨模态融合机制，有效整合多模态脑部影像信息，显著提高脑部异常检测的准确性和鲁棒性。