買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華南農業大學申請的專利一種基于隨機森林與LSTM神經網絡的高血壓預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119905261B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510133779.2，技術領域涉及：G16H50/30；該發明授權一種基于隨機森林與LSTM神經網絡的高血壓預測方法是由馮婉媚;徐文俊;劉俊宇;胡俊承;陳曉宇;周游天;申慶榮;葉溪;舒鑫;徐文輝設計研發完成，并于2025-02-06向國家知識產權局提交的專利申請。

本一種基于隨機森林與LSTM神經網絡的高血壓預測方法在說明書摘要公布了：本發明公開了一種基于隨機森林與LSTM神經網絡的高血壓預測方法，屬于醫療數據處理技術領域，包括：獲取患者的樣本信息，建立信息收集庫；對預處理后的樣本信息通過隨機森林進行特征重要性分析；通過注意力機制計算每個關鍵特征的權重，并生成加權后的特征表示；將加權后的特征表示輸入到神經網絡生成上下文向量；將上下文向量輸入到多層感知機進行預測輸出；根據預測輸出和真實值優化多層感知機、注意力機制以及神經網絡，以得到預測模型；向預測模型輸入樣本信息得到高血壓預測結果。所述基于隨機森林與LSTM神經網絡的高血壓預測方法解決了現有的預測方法難以實現對個體患病風險的精準預測的問題。

本發明授權一種基于隨機森林與LSTM神經網絡的高血壓預測方法在權利要求書中公布了：1.一種基于隨機森林與LSTM神經網絡的高血壓預測方法，其特征在于，包括以下步驟： S1：獲取患者的樣本信息，建立信息收集庫；對信息收集庫中的樣本信息進行預處理； S2：對預處理后的樣本信息通過隨機森林進行特征重要性分析，以根據特征重要性分析從預處理后的樣本信息中篩選出對高血壓預測具有影響力的特征作為關鍵特征； S3：通過注意力機制計算每個關鍵特征的權重，并生成加權后的特征表示，其中加權后的特征表示按權重的大小排序形成序列數據；隨后，將加權后的特征表示輸入到LSTM神經網絡，以通過LSTM神經網絡捕捉序列數據中的動態特征并生成上下文向量；最后，將上下文向量輸入到多層感知機MLP進行預測輸出；根據預測輸出和真實值優化多層感知機MLP、注意力機制以及LSTM神經網絡，以得到預測模型； 在所述步驟S3中，通過預測輸出和真實值計算損失函數，然后通過反向傳播算法依次計算損失函數對多層感知機MLP的參數的梯度、注意力機制的參數的梯度和LSTM神經網絡的參數的梯度，以優化多層感知機MLP、注意力機制和LSTM神經網絡對應的參數；利用參數優化后的多層感知機MLP、注意力機制和LSTM神經網絡組成預測模型； 所述優化多層感知機MLP、注意力機制和LSTM神經網絡對應的參數的步驟為：；其中為更新后的參數值，表示當前迭代的參數值，是學習率；對于多層感知機MLP，為損失函數對多層感知機MLP的參數的梯度；對于注意力機制，為損失函數對注意力機制的參數的梯度；對于LSTM神經網絡，為損失函數對LSTM神經網絡的參數的梯度； 或者，所述優化多層感知機MLP、注意力機制和LSTM神經網絡對應的參數的步驟為：；其中為更新后的參數值，表示當前迭代的參數值，是學習率，用于防止除零錯誤；修正后的梯度一階矩，，是當前迭代中的梯度一階矩估計，是前一個迭代中的梯度一階矩估計，是控制一階矩估計衰減速率的超參數，是當前迭代的梯度；修正后的梯度二階矩，，是當前迭代中的梯度二階矩估計，是前一個迭代中的梯度二階矩估計，是控制二階矩估計衰減速率的超參數，是當前梯度的平方；對于多層感知機MLP，為損失函數對多層感知機MLP的參數的梯度；對于注意力機制，為損失函數對注意力機制的參數的梯度；對于LSTM神經網絡，為損失函數對LSTM神經網絡的參數的梯度； S4：向預測模型輸入樣本信息得到高血壓預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華南農業大學，其通訊地址為：510000 廣東省廣州市天河區五山路483號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。