一种用于医疗的多模态情感连续识别方法

本发明公开了一种用于医疗的多模态情感连续识别方法，属于人工智能及医疗信息技术领域，主要通过建立神经微分方程（Neural ODEs）框架，模拟情感的动态变化过程，并克服传统方法中情感建模的静态性和离散性。通过因果推断技术，将情感特征与个体无关的生理差异分离，提升跨个体的泛化能力。利用自监督学习方法，通过跨模态对比学习提升EEG和眼动信号之间的协同作用，增强情感识别精度。通过动态稀疏注意力机制降低计算复杂度，同时聚焦于情感识别中的关键时间片段。通过多任务联合学习，使模型在情感分类的同时，学习情绪强度回归和被试身份识别等多任务，提高个性化情感识别能力。