技術特征：

1.一種基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，所述分層特征提取模塊獲得多級融合特征的過程，包括以下步驟：

3.根據權利要求1所述的基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，所述多尺度特征融合模塊以多級融合特征作為輸入特征，通過三條并行通路處理多級融合特征，最后計算得到多維度融合特征，包括以下步驟：

4.根據權利要求1所述的基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，通過分類器對多維度融合特征進行疾病預測，具體為：通過隨機森林分類器對多尺度融合特征進行疾病預測，輸出分類結果及置信度。

5.根據權利要求1所述的基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，所述分類模式可根據實際預測需求配置為二分類或多分類；

6.根據權利要求1所述的基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，所述動態調整樣本采樣權重通過動態采樣模塊實現，包括以下步驟：

7.根據權利要求6所述的基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，所述動態采樣模塊還包括溫度參數調節機制，表示為：

8.根據權利要求1所述的基于微生物組分層特征自適應融合的疾病預測方法，其特征在于，所述使用訓練好的疾病預測模型，基于微生物組數據進行疾病預測，包括以下步驟：

9.一種基于微生物組分層特征自適應融合的疾病預測系統，其特征在于，包括：

技術總結
本發明公開了基于微生物組分層特征自適應融合的疾病預測方法及系統，涉及微生物組數據分析技術領域，使用訓練好的疾病預測模型基于微生物組數據進行疾病預測；疾病預測模型通過分層特征提取模塊對五個分類層級的特征數據進行多層次特征提取，并將結果整合為多級融合特征；利用多尺度特征融合模塊通過模式流、上下文流和內容流三條并行通路處理多級融合特征，實現微生物組數據的全方位表征；訓練過程引入動態采樣模塊，基于類別平衡機制和不確定性評估策略，動態調整樣本采樣權重；最后通過分類器對多尺度融合特征進行疾病預測。本發明充分利用微生物分類層級信息，實現多維度特征表征，有效應對樣本不平衡問題，提高疾病預測準確率。

技術研發人員：劉雅茹,陸可懿,徐向南,董繼揚
受保護的技術使用者：廈門大學
技術研發日：
技術公布日：2025/4/24