基于图神经网络的慢性肝病多模态辨证模型动态优化方法

本发明公开了基于图神经网络的慢性肝病多模态辨证模型动态优化方法，属于人工智能与中医辨证领域，包括：获取多源异构数据，从多家医疗机构收集慢性肝病患者的舌象图像、脉诊数据、生化指标和临床症状数据，通过二阶Laplacian算法提取舌下络脉分形特征；构建层次化证候关联网络，基于拓扑空间映射和谱图理论分析症状‑证候关联结构，利用图神经网络学习症状节点与证候节点间的影响关系；实现辨证模型动态优化，通过信息熵评估各症状对证候判断的贡献度，动态调整注意力权重，引入隐马尔可夫链捕捉证候转移规律，并将模型知识蒸馏实现轻量化部署，综合利用多模态数据，准确捕捉症状与证候复杂关系，实现个体化辨证和证候动态预测。