肺癌作为全球范围内导致死亡的主要癌症之一，其早期诊断对提高生存率至关重要。然而，早期肺癌部分患者由于高危因素（包括低分化肿瘤、脉管侵犯、脏层胸膜侵犯、淋巴结状态不明确等）的影响仍面临二次手术或术后辅助治疗。高危因素的精准化术前判断依赖于患者的病理诊断结果，在缺少病理的条件下，研判过程涉及学科交叉广、术前因素杂、决策难度大，由此产生的术前分析不可避免地与术后金标准存在较大误差，为早期肺癌的精准诊疗带来严峻挑战。为此，本项目致力于通过整合多模态数据，实现早期肺癌高危因素诊断。本项目提出一种基于线性双回归注意力和快速傅里叶变换的多模态特征融合方法，能够从多模态数据中挖掘与高危因素预测有关的重要特征，并创新地引入双曲正切激活函数门控机制，用于特征选择和优化，提高了模型的性能和稳定性。研究结果表明，所提出的模型在诊断肺癌高危因素方面具有较高的准确性，分类准确率为92.4%。这一成果为早期肺癌高危因素诊断提供了新的技术支持，具备广泛的临床应用前景。