基于多模态自适应融合的呼吸频率预测方法

摘要

针对现有呼吸频率预测研究在多模态生理信号深层联合分析方面存在的不足，以及难以兼顾长时序依赖与局部细节捕捉的挑战，提出一种基于动态多维特征混合网络的预测模型.首先，构建自适应多尺度融合模块，分别针对心电图与光电容积脉搏图动态提取多频率特征，以生成包含丰富多尺度信息的单模态特征图，从而解决了单一卷积核感受野受限的问题.其次，模型引入混合时空注意力机制，通过堆叠Transformer编码块并结合局部、全局及时空三重注意力策略，实现了异构特征的深度交互与长时序依赖的精确建模.基于公开数据集BIDMC和CapnoBase的验证结果表明，该模型的平均绝对误差分别达1.08次/min和0.76次/min,在准确性和鲁棒性方面显著优于现有主流模型，能为临床非侵入式健康监测提供理论依据.

关键词

多模态 / 呼吸频率预测 / 混合时空注意力 / 自适应多尺度特征融合