摘要
本发明提供了一种基于多模态信息的病房轮换评估及模型构建方法，属于深度学习技术领域。首先构建多模态临床数据集，整合手术记录、生命体征时序数据、医学影像、用药记录及护理日志五类异构数据，标注患者术后状态标签，并模拟临床真实场景生成含随机缺失模态的训练集与测试集。其次构建病房轮换评估模型，该模型对传统教师‑学生网络架构进行改进设计为双路异构蒸馏模型；同时设计多任务损失联合优化策略，用于对齐教师‑学生网络的特征，约束教师网络的评估结果，最后将训练好的模型部署至边缘计算设备，实时接收多模态数据流并输出转科建议与风险评分；本发明提供了全新的病房轮换场景下的智能解决方案，提升了多模态缺失场景的评估鲁棒性。
