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！

龍圖騰網獲悉數據空間研究院申請的專利一種2型糖尿病并發癥的風險評估方法、系統及存儲介質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：CN120183705B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202510645724.X，技術領域涉及：G16H50/30；該發明授權一種2型糖尿病并發癥的風險評估方法、系統及存儲介質是由翁建平;馬韻潔;王佐成;駱斯慧;王飛;岳彤;鄭雪瑛;丁宇;張文皓設計研發完成，并于2025-05-20向國家知識產權局提交的專利申請。

本一種2型糖尿病并發癥的風險評估方法、系統及存儲介質在說明書摘要公布了：本發明屬于糖尿病并發癥風險評估技術領域，尤其涉及一種2型糖尿病并發癥的風險評估方法、系統及存儲介質。風險評估方法：S1，基于第一訓練集中病人的臨床指標數據，使用DDRTree算法構建二維聚類樹；二維聚類樹中包含若干個聚類區域，各聚類區域中包含若干個節點，每個節點代表一位病人；S2，基于待評估病人的臨床指標數據，使用映射函數獲取待評估病人在二維聚類樹中的位置坐標；S3，基于待評估病人的位置坐標，使用競爭風險模型，計算出待評估病人在未來r年內患有各種并發癥的概率。本發明能夠對2型糖尿病病人患有并發癥的風險進行準確的評估。

本發明授權一種2型糖尿病并發癥的風險評估方法、系統及存儲介質在權利要求書中公布了：1.一種2型糖尿病并發癥的風險評估方法，其特征在于，包括以下步驟： S1，基于第一訓練集中病人的臨床指標數據，使用DDRTree算法構建二維聚類樹；二維聚類樹中包含若干個聚類區域，各聚類區域中包含若干個節點，每個節點代表一位病人； S2，基于待評估病人的臨床指標數據，使用映射函數獲取待評估病人在二維聚類樹中的位置坐標； S3，基于待評估病人的位置坐標，使用競爭風險模型，計算出待評估病人在未來r年內患有各種并發癥的概率； 在S1后、S2前，還包括S1′：S1′，技術人員標注各聚類區域臨床指標的共性特征后，使用映射函數獲取驗證集中病人在二維聚類樹中的位置坐標，若驗證集中病人與對應聚類區域臨床指標共性特征的一致率大于第一閾值，則判定當前二維聚類樹驗證成功；反之則驗證失敗，丟棄當前二維聚類樹后，增加第一訓練集中的病人數量并重新回到S1； 在S1中，還包括以下子步驟： S11，基于第一訓練集得到特征矩陣X，第一訓練集中包含n位病人的m種臨床指標的數據；特征矩陣X的n行分別代表n位病人，m列分別表示m種臨床指標；n和m均為正整數； S12，基于特征矩陣X構建DDRTree算法的優化目標函數F后進行求解，得到二維聚類樹的關鍵參數： ； 其中，關鍵參數為最佳坐標矩陣和最佳中心節點集合；Y表示坐標矩陣，坐標矩陣Y包含n行2列，坐標矩陣Y的n行分別代表n位病人，且與特征矩陣X中對應行所表示的病人相同，坐標矩陣Y的第一列表示橫坐標，坐標矩陣Y的第二列表示縱坐標；Yf表示坐標矩陣Y中的第f行所對應的位置坐標；W表示DDRTree算法中的線性變換參數矩陣；表示線性變換參數矩陣W的轉置；λ表示第一超參數；表示當前二維聚類樹里邊i的中心節點位置坐標；表示當前二維聚類樹里邊j的中心節點位置坐標；和均為坐標矩陣Y中的位置坐標；ε表示當前二維聚類樹中最小生成樹的邊集合；Z表示中心節點位置坐標的集合；α表示第二超參數；表示距離位置坐標Yf最近的中心節點的位置坐標；·表示取最小值時對應的坐標矩陣Y與中心節點集合Z，此時的坐標矩陣Y與中心節點集合Z為最佳坐標矩陣和最佳中心節點集合；表示2范數的平方； S13，根據關鍵參數構建二維聚類樹； 在S1′中，還包括以下內容： S11′，技術人員根據當前二維聚類樹中各聚類區域中病人的臨床指標，標注各聚類區域臨床指標的共性特征； S12′，使用映射函數獲取驗證集中各病人在二維聚類樹中的位置坐標； S13′，根據驗證集中各病人在二維聚類樹中的位置坐標確定驗證集中各病人所在的聚類區域； S14′，判定驗證集中各病人的臨床指標特征是否與對應聚類區域的共性特征一致后，計算一致率CR=NUMCNUMAll；其中，NUM（·）表示數量；NUM（C）表示驗證集中病人的臨床指標特征與對應聚類區域的共性特征一致的病人數量，NUMAll表示驗證集中病人的總數量； 若一致率CR大于第一閾值，則判定當前二維聚類樹驗證成功；若一致率CR在第一閾值以下，則判定當前二維聚類樹驗證失敗，丟棄當前二維聚類樹后，構建新的第一訓練集或增加第一訓練集中的病人數量后，重新回到S1； 采用機器學習模型基于映射函數來獲取病人G在二維聚類樹中的位置坐標，； 映射函數為： ； ； 其中，表示病人G在二維聚類樹中位置坐標的縱坐標；表示病人G在二維聚類樹中位置坐標的橫坐標；表示第一全局偏置參數；表示第二全局偏置參數；表示年齡回歸系數；表示性別回歸系數；表示病人G的年齡；表示病人G的性別參數；表示病人G的第p個臨床指標的數據；表示的k次冪；表示病人G的第p個臨床指標中間量，max·表示取最大值，表示二維聚類樹中節點d對應病人的第p個臨床指標的數據，二維聚類樹中共包括n個節點； 在S3中，對待評估病人未確診的u種并發癥進行評估，u為正整數，包括以下內容： 競爭風險模型基于待評估病人R的位置坐標，計算出待評估病人在未來r年內患有第V種并發癥的概率，其中r≥0且V為小于等于u的正整數： ； ； 其中，t表示待評估病人R自當前時刻開始的未來第t年；表示待評估病人R在未來第t年患有并發癥的瞬時概率；表示第一回歸系數；表示第二回歸系數；表示待評估病人R在二維聚類樹中位置坐標的縱坐標；表示待評估病人R在二維聚類樹中位置坐標的橫坐標；表示并發癥隨未來時間t變化的基準子分布風險函數； 使用競爭風險模型對待評估病人在未來r年內患有各種并發癥的概率前，使用第二訓練集對競爭風險模型進行訓練；第二訓練集中包括e條訓練數據，每條訓練數據均對應1位已經患有一種以上并發癥的病人，每條訓練數據包含病人確診2型糖尿病的時間、確診各種并發癥的時間以及最近一次確診并發癥時的臨床指標數據；e為正整數； 第一訓練集、驗證集和第二訓練集中病人的臨床指標數據均為清洗后的臨床指標數據，清洗臨床指標數據還包括以下內容： 步驟1，抽取若干個病人的臨床指標數據，若某個病人存在一種以上的臟數據，則將當前病人所有的臨床指標數據剔除；臟數據指的是：在若干個病人的同一種臨床指標數據中，位于5個標準差之外的臨床指標數據； 步驟2，將步驟1剩余的臨床指標數據通過秩歸一化方法，轉化成0～1范圍內的臨床指標數據，此時臨床指標數據清洗完畢。

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數據空間研究院，其通訊地址為：230000 安徽省合肥市高新區柏堰科技園創新大道288號工投高新智谷B區；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”。