一种基于自监督预训练与多模态语义对齐的多标签心电图分类方法

本发明公开了一种基于自监督预训练与多模态语义对齐的多标签心电图分类方法，属于人工智能技术领域，包括通过单模态对比增强网络实现无标注数据的自监督预训练，采用多尺度随机裁剪策略生成全局与局部对比视图，结合教师‑学生网络架构，在避免负样本依赖的同时学习ECG信号的潜在不变性特征，有效缓解标注数据稀缺问题并提升特征鲁棒性。提出基于标签语义引导的多模态融合机制，通过细粒度语义对齐将时域信号与频域时频图映射至统一语义空间，利用交叉注意力机制实现局部特征增强与跨模态互补信息融合，克服了传统方法中模态异质性导致的语义差异问题。提出基于疾病共现关系的多标签对比损失函数，通过建模标签共现概率动态优化类别判别边界，在强化头部类别判别能力的同时提升尾部类别的特征可分性，显著缓解了多标签场景下的样本类别不均衡问题。