基于逆注意力和对抗训练的多模态医学数据分类方法

本申请涉及一种基于逆注意力和对抗训练的多模态医学数据分类方法。所述方法包括：获取多模态医学数据并进行预处理；采用k‑best算法对所述预处理后的多模态医学数据进行初步特征提取；采用注意力机制计算每个特征的逆注意力分数，基于所述逆注意力分数进行多模态特征融合，得到多模态特征数据；将所述多模态特征数据输入分类诊断模块和回归预测模块，进行对抗训练，输出多模态特征数据对应的分类回归结果。充分利用了多模态多任务条件下得到的特征，使各个不同的模态更好地进行结合，挖掘出了受试者年龄、教育程度等具有统计学意义数据潜在的特征，提高了阿尔茨海默症病理过程中的多模态医学数据分类问题的准确性、可靠性和可解释性。