一种基于多模态动态长短期记忆的尘肺病纵向分期预测系统

本发明公开了一种基于多模态动态长短期记忆的尘肺病分期预测系统，通过语义关联自适应融合门实现两类模态特征的语义对齐与动态加权融合；构建动态长短期记忆网络，拆分长短时病程记忆，并结合时间间隔调制、记忆增强注意力机制，精准建模不规则时序下病情演化规律；最后采用序数分期预测模块，将多分类任务转化为序数回归任务，结合类别加权损失缓解小样本失衡问题，输出尘肺病未来随访分期结果。本发明有效提升了不规则随访数据下分期预测的准确率与鲁棒性，贴合尘肺病渐进发病的临床特征，可自动化完成患者长期病程评估，适用于煤矿、粉尘作业等职业人群的尘肺病随访管理与临床辅助诊断。