【技术实现步骤摘要】
本说明书实施例涉及人工智能，尤其涉及一种基于多模态计算的脑疾病早期智能分级筛查系统。
技术介绍
1、神经退行性疾病的发病机制高度复杂，诱因多样化，目前已有的神经退行性疾病筛查系统均是对患者的一类数据进行分析，这种筛查系统难以根据一类数据精确地对患者进行神经退行性疾病的早期筛查，导致患者错过最佳治疗机会。
2、如何精确地对患者进行神经退行性疾病的早期筛查是目前亟待解决的问题。
技术实现思路
1、为解决无法精确地对患者进行神经退行性疾病的早期筛查，本说明书实施例提供了一种基于多模态计算的脑疾病早期智能分级筛查系统，基于多模态计算的脑疾病早期智能分级筛查系统能够对目标患者的多模态数据进行特征提取，同时对缺失的模态特征进行生成补全，然后对这些模态特征进行融合，得到融合特征，最后将融合特征输入到基于专家经验知识训练的神经网络模型中进行计算，得到患者的神经退行性疾病的筛查结果。
2、本说明书实施例的具体技术方案如下：
3、一方面，本说明书实施例提供了一种基于多模态计...
【技术保护点】
1.一种基于多模态计算的脑疾病早期智能分级筛查系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，所述多模态特征生成补全和融合计算单元进一步包括：
3.根据权利要求2所述的系统，其特征在于，多模态特征生成补全和融合计算单元进一步包括：
4.根据权利要求3所述的系统，其特征在于，所述知识化智能筛查单元包括：
5.根据权利要求4所述的系统，其特征在于，所述多模态关联图谱训练模块进一步包括：
6.根据权利要求4所述的系统，其特征在于，所述多模态特征生成补全模块进一步用于对所述历史多模态数据进...
【技术特征摘要】
1.一种基于多模态计算的脑疾病早期智能分级筛查系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，所述多模态特征生成补全和融合计算单元进一步包括：
3.根据权利要求2所述的系统，其特征在于，多模态特征生成补全和融合计算单元进一步包括：
4.根据权利要求3所述的系统，其特征在于，所述知识化智能筛查单元包括：
5.根据权利要求4所述的系统，其特征在于，所述多模态关联图谱训练模块进一步包括：
6.根据权利要求4所述的系统，其特征在于，所述多模态特征生成补全模块进一步用于对所述历史多模态数据进行多模态特征生成补全，得到历史完全模态特征；
7.根据权利...
【专利技术属性】
技术研发人员：王书强，荆常宏，陈绪行，胡勇，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。