一种基于图神经网络和大模型的临床量表分类方法

本发明公开了一种基于图神经网络和大模型的临床量表分类方法，涉及领域卷积神经网络领域。方法包括以下步骤：收集用户的多模态数据；基于用户与多模态数据生成图结构，并通过图卷积网络提取用户特征向量；利用预训练语言模型对文本数据进行语义编码，提取文本语义特征向量；将用户特征向量与文本语义特征向量拼接，构建亚型概率预测模型，最终通过激活函数输出用户所属亚型的概率分布。本发明针对临床量表分类的需求，结合多模态数据特性与图神经网络的结构建模能力，提升了信息融合和分类准确性；同时通过预训练语言模型增强对文本数据的理解，进一步提高了诊断性能。本方法为医生提供直观、科学的诊断依据，有效提升诊断效率和可靠性。