一种融合舌诊图像与结构化数据的冠心病风险评估方法

本发明涉及医疗健康风险评估技术领域，具体公开了一种融合舌诊图像与结构化数据的冠心病风险评估方法，通过收集冠心病患者的舌象图像以及年龄、性别等结构化数据。利用卷积神经网络提取舌象图像特征，并通过多层感知机对结构化数据进行编码，将其与结构化数据进行融合。构建CNN_GPT2深度学习模型和CNN_Tabular深度学习模型。训练后，提取测试集预测结果构建元数据集，使用XGBoost作为元分类器进行训练和预测，构建冠心病早期预测模型，并基于该早期预测模型进行冠心病患病风险评估。本发明融合了舌诊图像与结构化数据，弥补了单一数据类型的局限性，提高了评估的全面性。本发明构建了CNN_GPT2和CNN_Tabular两种深度学习模型，充分挖掘数据之间的关联信息，提升对复杂数据的处理能力。