本技术涉及一种利用多模态时间序列数据进行蜂窝肺疾病病情预测的技术方法,旨在蜂窝肺病预测技术领域提供创新解决方案。该方法通过分析多模态时序数据,有效预测蜂窝肺病的病情发展。
背景技术
蜂窝状肺是特发性肺纤维化(Idiopathic Pulmonary Fibrosis,IPF)的主要组织病理学特征,是多种晚期肺部疾病形成的蜂窝状改变,大多数患者早期症状不明显,漏诊和误诊现象普遍,多数患者在首次就诊时会被误诊为慢性阻塞性肺病(Chronic ObstructivePulmonary Disease,COPD)、哮喘或充血性心力衰竭,延误了宝贵的早期诊治时间,且IPF病情在发展过程中,不同患者的疾病进展存在很大差异。
蜂窝状肺病变常分布于中下肺叶,形成直径约1厘米左右的囊泡,排列如蜂窝或蜂巢状,由于其结构稳定、关注区域固定,CT图像容易形成信息冗余,采用现有的病情预测方法在处理复杂时间序列数据和多尺度特征提取方面存在不足,都将导致预测结果误差较大,预测效果不理想。
实现思路