摘要
本申请公开了一种基于多模态可解释性的心梗风险评估方法、系统及设备,该方法通过构建用于心梗风险评估的动态加权模糊认知图模型;将聚合特征向量输入至动态加权模糊认知图模型,采用微调后的权重和激活函数更新每个概念节点的激活值,直到达到预设条件后得到每个概念节点的最终激活值,并将心梗风险概念节点的最终激活值作为心梗风险评估结果;根据心梗风险评估结果,计算聚合特征向量中每个生理指标的贡献度;寻找每个源节点到目标节点之间的最大影响传播路径,得到至少一条最大影响传播路径;基于每个生理指标的贡献度和至少一条最大影响传播路径,构建具有可解释性的心梗风险评估报告。本申请实现了可解释、高精度的模型评估。
技术关键词
风险评估方法
概念
风险评估报告
组学特征
多模态生理
指标
源节点
标志物
计算机可执行指令
小波包分解树
动态
谐波小波包
注意力
风险评估系统
血液
影像
系统为您推荐了相关专利信息
状态预测方法
融合特征
模态特征
信号
神经网络模型
多模态生理
横向偏移量
眼动数据
回归预测模型
频域特征
多模态影像数据
医疗场景
三维模型
深度学习方法
顶点
输电走廊
多视角特征
风险评估报告
三维模型
计算机可执行指令