一种基于深度学习的多模态特征重要性引导网络

本发明涉及一种基于深度学习的多模态特征重要性引导网络，包括征重构模块、特征选择模块和分类器；特征重构模块通过掩码自动编码器模拟并修复输入数据中的缺失值；所述输入数据为AML患者的多模态临床数据；特征选择模块基于自注意力机制动态生成重构变量的重要性系数，并根据所述重要性系数对重构变量进行加权，获取加权变量；分类器根据加权变量输出AML患者的生存期预测结果。本发明的有益效果是：本发明提出了由多模态特征重要性引导网络执行的数据处理方法，这种方法利用了深度学习强大的非线性表示能力，同时整合了生物标记物发现的可解释性机制。