【技术实现步骤摘要】
本申请涉及医疗健康，尤其是涉及一种基于多模态可解释性的心梗风险评估方法、系统及设备。
技术介绍
1、心梗等心血管疾病的早期、准确诊断对提高患者生存率至关重要。随着信息技术的发展，利用心电图（ecg）、血液标志物及医学影像等多模态数据进行智能风险评估已成为研究热点。当前，基于机器学习，特别是深度学习技术的智能诊断方法，能够从海量数据中自动学习复杂特征，在识别精度上取得了显著进展。然而，在医疗这一高风险领域，诊断决策不仅要求结果准确，更要求过程透明、逻辑清晰并可被临床医生理解和信任。现有数据驱动模型的“黑箱”特性，即其决策逻辑不透明，构成了其在临床实践中推广应用的主要障碍。
2、现有技术在心梗识别应用中，虽然在诊断精度上取得了一定进展，但仍普遍面临模型复杂性高、计算开销大，以及模型精度与可解释性之间存在固有矛盾等挑战。尤其是现有的可解释性方法作为对“黑箱”模型的补充，并未从根本上解决决策过程不透明的问题，这使得模型在处理存在噪声或信息缺失的真实医疗数据时，其结果的可靠性与可信度仍难以满足临床实践对决策透明度和可追溯性的严格要求。
【技术保护点】
1.一种基于多模态可解释性的心梗风险评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多模态可解释性的心梗风险评估方法，其特征在于，所述提取包含心电图临床特征、血液标志物特征和影像放射组学特征的多模态生理指标特征，包括：
3.根据权利要求1所述的基于多模态可解释性的心梗风险评估方法，其特征在于，所述采用微调后的权重和激活函数更新每个所述概念节点的激活值，包括：
4.根据权利要求1所述的基于多模态可解释性的心梗风险评估方法，其特征在于，所述根据所述心梗风险评估结果，计算所述聚合特征向量中每个生理指标的贡献度，包括：p>
5.根据权...
【技术特征摘要】
1.一种基于多模态可解释性的心梗风险评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多模态可解释性的心梗风险评估方法，其特征在于，所述提取包含心电图临床特征、血液标志物特征和影像放射组学特征的多模态生理指标特征，包括：
3.根据权利要求1所述的基于多模态可解释性的心梗风险评估方法，其特征在于，所述采用微调后的权重和激活函数更新每个所述概念节点的激活值，包括：
4.根据权利要求1所述的基于多模态可解释性的心梗风险评估方法，其特征在于，所述根据所述心梗风险评估结果，计算所述聚合特征向量中每个生理指标的贡献度，包括：
5.根据权利要求1所述的基于多模态可解释性的心梗风险评估方法，其特征在于，所述根据预设的概念节点敏感度系数、路径上下文衰减因子、所述多个概念节点和所述加权边，寻找每个源节点到目标节点之间的最大影响传播路径，得到至少一条最大影响传播路径，包括：
6.根据权利要求1所述的基于多模态可解释性...
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。