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！

龍圖騰網獲悉山東中醫藥大學附屬醫院申請的專利一種慢性病患者抑郁風險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：CN120299720B 。

龍圖騰網通過國家知識產權局官網在2025-09-02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：202510779228.3，技術領域涉及：G16H50/30；該發明授權一種慢性病患者抑郁風險預測方法是由滕晶;李甲民;解洪亭設計研發完成，并于2025-06-12向國家知識產權局提交的專利申請。

本一種慢性病患者抑郁風險預測方法在說明書摘要公布了：本發明提出一種慢性病患者抑郁風險預測方法，涉及慢性病患者抑郁風險預測領域。本發明提出的慢性病患者抑郁風險預測流程包括構建慢性病患者抑郁風險預測數據集，基于各因素數據的中位值構造偏差量序列，并將其映射為高維特征序列，計算其張力值及整體張力均值，引入自適應切換因子與非線性相位變換獲得融合特征序列，采用滑動窗口提取融合特征序列的局部片段，計算局部片段的局部復雜度與趨勢彎曲率，引入局部控制因子，生成多尺度路徑權重，加權融合局部片段，生成各因素數據的最終特征表示，輸入全連接神經網絡計算各因素數據的慢性病患者抑郁風險預測值，并取均值作為最終預測值，該方法能協同利用局部變化與整體趨勢，增強預測準確性。

本發明授權一種慢性病患者抑郁風險預測方法在權利要求書中公布了：1.一種慢性病患者抑郁風險預測方法，其特征在于，包括以下步驟： S1、收集影響慢性病患者抑郁風險的因素數據，構建慢性病患者抑郁風險預測數據集； S2、所述因素數據構成時間序列數據，獲取每種因素時間序列數據的中位值，并計算每種因素時間序列數據與對應中位值之間的偏差量序列，通過非線性變換將偏差量序列映射為高維特征序列； S3、計算高維特征序列的張力值和整體張力均值，引入自適應切換因子，結合非線性相位變換，構建自適應切換演化模塊，融合高維特征序列和局部張力變化，獲得融合特征序列，具體步驟為： 構建自適應切換演化模塊，更新所述高維特征序列的整體特征，包括以下步驟： S31、利用二階與四階張力控制超參數，分別對第種因素數據高維特征序列的逐元素平方及四次方結果進行聯合加權整合，得到第種因素數據的張力值序列，進一步對第種因素數據在全序列范圍內各時間步張力值進行歸一化平均，獲得第種因素數據的整體張力均值； S32、計算張力值與整體張力均值的絕對差值，結合歸一化函數構建自適應切換因子，具體的數學模型為： ； 式中，為第種因素數據的自適應切換因子，為取絕對值操作，為穩定閾值的超參數； S33、利用自適應切換因子作為調節權重，結合非線性相位變化，融合高維特征序列和局部張力變化，獲得融合后的融合特征序列，具體的數學模型為： ； 式中，為融合后的第種因素數據的融合特征序列； S4、采用滑動窗口機制將融合特征序列劃分為多個連續局部片段，構建局部變化刻畫模塊，分別計算每個局部片段的局部復雜度和局部趨勢彎曲率； S5、根據所述局部復雜度與局部趨勢彎曲率，引入局部控制因子，依據局部控制因子與各局部片段中心的距離生成多尺度路徑權重，將局部片段加權融合，獲得每種因素數據的最終特征表示，具體步驟為： 在局部復雜度與局部趨勢彎曲率的基礎上，引入局部控制因子，對局部片段特征加權融合，具體包括以下步驟： S51、引入局部控制因子，非線性融合局部復雜度與局部趨勢彎曲率兩類局部特征指標，具體的數學模型為： ； 式中，為第種因素數據第個局部片段的局部控制因子，、分別為可學習的復雜度權重和彎曲率權重，為可學習的偏置項，為第種因素數據第個局部片段的局部復雜度，為第種因素數據第個局部片段的局部趨勢彎曲率； S52、采用固定等距策略計算各局部片段對應的中心，根據控制因子與局部片段中心距離生成多尺度路徑權重，具體的數學模型為： ； ； 式中，為第種因素數據第個局部片段中心，為第種因素數據第個局部片段對應的多尺度權重，為第種因素數據第個局部片段中心，為第種因素數據第個局部片段的局部控制因子，為時間序列長度，為滑動窗口大小，為滑動步長； S53、利用多尺度路徑權重將第種因素數據的所有局部片段加權融合，獲得最終第種因素數據的整體特征序列； S6、利用全連接神經網絡計算每種因素數據的最終特征表示，獲得慢性病患者抑郁風險預測值，將所有預測值相加后取平均值，作為最終慢性病患者抑郁風險預測值。

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山東中醫藥大學附屬醫院，其通訊地址為：250100 山東省濟南市歷下區文化西路42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”。