基于深度学习的麻醉并发症预测模型构建方法

本发明涉及医疗系统技术领域，具体公开了一种基于深度学习的麻醉并发症预测模型构建方法，包括以下步骤：S1：获取多源异构麻醉医疗数据；S2：构建多模态特征融合模块；S3：设计层级化深度神经网络架构，包含并行处理不同模态数据的子网络，以及融合多模态特征的全连接预测层；S4：采用动态风险轨迹预测机制，以滑动时间窗口方式连续输出并发症概率曲线，而非单一静态预测结果；S5：部署临床实时决策接口，将预测结果实时映射至麻醉监护设备告警系统。采用双向LSTM+1D‑CNN混合编码器与跨模态注意力机制，同步捕获生理信号的时序依赖与操作事件的时空特征，实现多源数据的深度语义融合，提升模型对并发症前驱特征的表征能力。