基于自监督多模态特征融合的心电图心律失常预测方法及系统

本发明涉及一种基于自监督多模态特征融合的心电图心律失常预测方法及系统。所述方法包括：对ECG信号进行多尺度时间窗口划分并进行数据增强，生成时序样本对和频域样本对进行归一化处理，利用多尺度对比损失函数完成SimCLR框架自监督对比学习的预训练；采集患者临床数据编码成临床文本特征，通过多模态门控融合机制进行特征整合后输入至双分支网络结构预测得到全局型心律失常类型和局部型心律失常类型，通过置信度加权融合，得到心律失常预测结果。通过将SimCLR自监督对比学习框架引入ECG信号处理，并结合时间序列特性、频谱特征及患者临床信息实现预测，无需人工进行数据标注，可以降低心率失常的预测成本，且实现高精度的心律失常类型预测。