一种基于多源因素的疾病动态预测方法、设备、介质和程序产品

本说明书实施例提供了一种基于多源因素的疾病动态预测方法、设备、介质和程序产品，涉及智能医疗领域。通过自适应分段归一化与多源特征融合技术，有效解决了多源生理数据的异质性难题，在保留关键生理事件的同时，显著提升了特征表达的鲁棒性；基于时空‑疾病关联张量与疾病协同门控的动态预测模型，首次实现了对疾病类别、生理指标和时间步三维关系的显式建模，不仅精准捕捉了心律失常等疾病依赖的特定生理指标时序模式，还通过编码疾病共现先验大幅提升了多标签预测的准确性；结合动态宽度全连接层与梯度驱动的自适应优化策略，模型能够根据输入特征的复杂度自动调整网络结构与训练参数，实现了准确率提升。