摘要
本发明公开了一种基于机器学习的医疗数据异常检测方法，包括：通过医疗数据采集接口获取多模态医疗数据集；对数据集进行数据清洗、特征选择及多模态融合，生成标准化特征矩阵；构建混合机器学习模型，混合机器学习模型包括无监督聚类模块与有监督分类模块，将标准化特征矩阵输入至混合机器学习模型中进行联合训练；基于动态阈值优化算法计算并更新异常判定阈值；根据混合机器学习模型的输出结果及异常判定阈值，标记医疗数据中的异常样本，并输出异常类型及关联的临床指标参数。本发明能够及时识别新的异常模式或病例，减少了漏诊的风险，降低了误报率，确保了整体动态异常检测过程的连续性与准确性。
