【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种基于多模态多尺度融合的分类模型、分类方法以及装置。
技术介绍
1、计算机辅助诊断(computer-aided diagnosis,cad)在现代临床实践中扮演着至关重要的角色，显著提升了疾病检测的效率和准确性。近年来，深度学习技术在医学诊断领域得到了广泛应用，能够综合利用多种数据模态，如医学影像和电子健康记录等，为患者提供全面的评估。
2、然而，在检测某些特定病变(例如鳞状细胞癌和肺栓塞)时，传统的深度学习方法仍面临诸多挑战。这些病变通常在影像中的尺寸较小，容易被现有模型忽视或误判。此外，不同数据模态(如医学影像与电子健康记录)在表示空间、时序结构和抽象层次上存在显著差异，这使得在临床决策过程中实现有效的多模态数据融合变得更加复杂，难以充分整合各模态优势信息辅助诊断。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种多模态多尺度融合的分类模型、分类方法、装置及介质，以解决上述现有技术中存在的至少一个问题。
2、第一方面，提...
【技术保护点】
1.一种基于多模态多尺度融合的分类方法，其特征在于，所述方法，包括：
2.如权利要求1所述的基于多模态多尺度融合的分类方法，其特征在于，所述对所述视觉特征以及健康特征进行多尺度操作，得到多尺度特征对，对每个尺度的特征对进行特征融合，并对特征融合后的各尺度特征对进行双向多尺度融合，以得到多尺度融合特征，包括：
3.如权利要求2所述的基于多模态多尺度融合的分类方法，其特征在于，所述对多个不同尺度的融合特征对进行双向多尺度融合，得到多尺度融合特征，包括：
4.如权利要求1所述的基于多模态多尺度融合的分类方法，其特征在于，所述分别对所述待检...
【技术特征摘要】
1.一种基于多模态多尺度融合的分类方法，其特征在于，所述方法，包括：
2.如权利要求1所述的基于多模态多尺度融合的分类方法，其特征在于，所述对所述视觉特征以及健康特征进行多尺度操作，得到多尺度特征对，对每个尺度的特征对进行特征融合，并对特征融合后的各尺度特征对进行双向多尺度融合，以得到多尺度融合特征，包括：
3.如权利要求2所述的基于多模态多尺度融合的分类方法，其特征在于，所述对多个不同尺度的融合特征对进行双向多尺度融合，得到多尺度融合特征，包括：
4.如权利要求1所述的基于多模态多尺度融合的分类方法，其特征在于，所述分别对所述待检测医学图像以及待检测健康数据进行特征提取，得到视觉特征以及健康特征，包括：
5.如权利要求4所述的基于多模态多尺度融合的分类方法，其特征在于，所述基于视觉编码器对所述待检测医学...
【专利技术属性】
技术研发人员：王昌淼，田媛，余建勋，杨承，胡嘉航，吕得刚，葛瑞泉，万翔，
申请(专利权)人：深圳市大数据研究院，
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。