【技术实现步骤摘要】
本专利技术涉及病症识别，尤其涉及一种基于多模态信息的神经内科病症识别方法及系统。
技术介绍
1、目前神经内科是关于神经方面的二级学科，不属于内科概念，主要收治脑血管疾病、脑部炎症性疾病、脊髓炎、癫痫、痴呆等。随着人工智能、机器学习技术的发展，病症识别在神经内科领域具有广阔的应用前景，脑部医学影像以及体液标志物不但能够反映大脑组织的各种神经活动及功能状态，而且影像及体液数据具有客观性强的特点。
2、cn201780085804.8，公开了一种用于确定脑组织是否指示诸如神经变性病症等病症的方法和系统。该方法和系统通常利用数据处理技术来评估从磁共振成像(mri)数据获得的测量参数与从脑组织的计算建模获得的模拟参数之间的一致性水平。
3、综上所述，现有技术中，神经内科诊断准确率受个体影响较大，检测不准确，同时，对医学影像的识别也不准确，影响对神经内科病症的识别，本专利技术的应用能够解决现有技术的问题。
技术实现思路
1、本专利技术实施例提供一种基于多模态信息的神经内科病症识...
【技术保护点】
1.基于多模态信息的神经内科病症识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采集包含被试者的脑部医学影像信息，以及体液标志物信息的多模态数据，基于所述多模态数据，通过构建融合损失函数，建立特征融合模型，通过最小化所述融合损失函数，确定融合特征图包括：
3.根据权利要求2所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，对所述融合特征图进行分路并行处理，确定每个分路的权重矩阵，进行线性变换，基于所述线性变换得到的特征向量，通过计算所述特征向量的相似度得分，确定特征权重分配，得到每个...
【技术特征摘要】
1.基于多模态信息的神经内科病症识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采集包含被试者的脑部医学影像信息，以及体液标志物信息的多模态数据，基于所述多模态数据，通过构建融合损失函数，建立特征融合模型，通过最小化所述融合损失函数，确定融合特征图包括：
3.根据权利要求2所述的方法，其特征在于，还包括：
4.根据权利要求1所述的方法，其特征在于，对所述融合特征图进行分路并行处理，确定每个分路的权重矩阵，进行线性变换，基于所述线性变换得到的特征向量，通过计算所述特征向量的相似度得分，确定特征权重分配，得到每个所述分路的注意力结果，基于所述注意力结果，确定关键特征包括：
5.根据权利要求4所述的方法，其...
【专利技术属性】
技术研发人员：于慧敏，陈磊，谢明宏，刘付轩聪，郝广山，罗佳佳，郝少才，
申请(专利权)人：东莞市东南部中心医院东莞市东南部中医医疗服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。