基于多模态特征融合的睡眠呼吸暂停综合征患病程度分级方法

一种基于多模态特征融合的睡眠呼吸暂停综合征患病程度分级方法，涉及人工智能与通信技术领域，其包括以下步骤：S1获取血氧信号图像；S2利用ResNet模型得到第一原始概率分布O1；S3利用DenseNet模型得到第二原始概率分布O2；S4通过softmax函数将任意实数向量转换为实现归一化的概率分布；S5通过差分进化算法动态优化模型融合权重，得到最优权重；S6对两个模型得到的四分类概率使用最优权重进行加权平均，并得到新的四分类概率分布，取预测概率最大的结果，并将得到的结果转换为对应的标签，得到最终分类结果。通过多模型特征值的联合和变异因子优化模型权重，显著提升睡眠呼吸暂停综合征患病程度分级的预测准确度。