買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國人民解放軍新疆軍區(qū)總醫(yī)院申請(qǐng)的專利一種基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117312958B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202311351423.3，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)一種基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測方法是由楊鵬程;張陽;雷權(quán)設(shè)計(jì)研發(fā)完成，并于2023-10-17向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測方法，涉及氧合指數(shù)預(yù)測領(lǐng)域，包括以下步驟：構(gòu)建多中心重癥醫(yī)學(xué)信息數(shù)據(jù)庫；設(shè)計(jì)自適應(yīng)調(diào)節(jié)的時(shí)間滑動(dòng)窗口，結(jié)合數(shù)據(jù)庫各參數(shù)的不同分辨率，獲取患者與氧合指數(shù)相關(guān)的連續(xù)時(shí)間窗口內(nèi)的無創(chuàng)參數(shù)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；利用多元融合過濾特征選擇算法獲得連續(xù)無創(chuàng)參數(shù)與氧合指數(shù)的相關(guān)性；設(shè)計(jì)氧合指數(shù)預(yù)測模型對(duì)患者的氧合指數(shù)進(jìn)行預(yù)測；優(yōu)化氧合指數(shù)預(yù)測模型，并利用多中心重癥醫(yī)學(xué)信息數(shù)據(jù)庫對(duì)預(yù)測結(jié)果進(jìn)行驗(yàn)證，完成基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測。本發(fā)明解決了現(xiàn)有技術(shù)使用的參數(shù)比較單一，模型沒有考慮連續(xù)生理參數(shù)及時(shí)間對(duì)于疾病的影響，樣本量有限，預(yù)測精度較低的問題。

本發(fā)明授權(quán)一種基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測方法在權(quán)利要求書中公布了：1.一種基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測方法，其特征在于，包括以下步驟： S1：利用本地化重癥醫(yī)學(xué)信息數(shù)據(jù)庫，構(gòu)建多中心重癥醫(yī)學(xué)信息數(shù)據(jù)庫； 所述S1中通過PhysioNet提供的臨床重癥醫(yī)學(xué)數(shù)據(jù)庫MIMIC-IV，建立本地化重癥醫(yī)學(xué)信息數(shù)據(jù)庫，用于模型的訓(xùn)練，同時(shí)利用本地重癥醫(yī)學(xué)科構(gòu)建本地重癥醫(yī)學(xué)數(shù)據(jù)庫，實(shí)現(xiàn)多中心的數(shù)據(jù)集驗(yàn)證； 所述通過PhysioNet提供的臨床重癥醫(yī)學(xué)數(shù)據(jù)庫MIMIC-IV，建立本地化重癥醫(yī)學(xué)信息數(shù)據(jù)庫時(shí)，采用VMware虛擬化平臺(tái)搭建服務(wù)器，部署PostgreSQL分布式數(shù)據(jù)管理系統(tǒng)，編寫針對(duì)性的數(shù)據(jù)庫創(chuàng)建腳本，包括數(shù)據(jù)庫模式、數(shù)據(jù)庫表結(jié)構(gòu)和數(shù)據(jù)庫索引； S2：基于多中心重癥醫(yī)學(xué)信息數(shù)據(jù)庫，設(shè)計(jì)自適應(yīng)調(diào)節(jié)的時(shí)間滑動(dòng)窗口，利用滑動(dòng)窗口匹配機(jī)制，結(jié)合數(shù)據(jù)庫各參數(shù)的不同分辨率，獲取患者與氧合指數(shù)相關(guān)的連續(xù)時(shí)間窗口內(nèi)的無創(chuàng)參數(shù)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理； 所述利用滑動(dòng)窗口匹配機(jī)制，結(jié)合數(shù)據(jù)庫各參數(shù)的不同分辨率，獲取患者與氧合指數(shù)相關(guān)的連續(xù)時(shí)間窗口內(nèi)的無創(chuàng)參數(shù)數(shù)據(jù)，具體包括：SpO2的采樣分辨率為1小時(shí)一次，時(shí)間窗設(shè)置為血?dú)夥治銮皟尚r(shí)以內(nèi)；心率、體溫、呼吸頻率和潮氣量的采樣分辨率為2~4小時(shí)一次，時(shí)間窗設(shè)置為血?dú)夥治銮八膫€(gè)小時(shí)以內(nèi)； S3：基于預(yù)處理后的數(shù)據(jù)，利用多元融合過濾特征選擇算法獲得連續(xù)無創(chuàng)參數(shù)與氧合指數(shù)的相關(guān)性； S4：基于連續(xù)無創(chuàng)參數(shù)與氧合指數(shù)的相關(guān)性，設(shè)計(jì)氧合指數(shù)預(yù)測模型對(duì)患者的氧合指數(shù)進(jìn)行預(yù)測； 所述S4中包括以下分步驟： S4-1：根據(jù)最小特征子集，歸一化連續(xù)無創(chuàng)參數(shù)，并將歸一化后的數(shù)據(jù)集按時(shí)間順序進(jìn)行分組； S4-2：基于分組結(jié)果搭建LSTM神經(jīng)網(wǎng)絡(luò)模型，并設(shè)定LSTM神經(jīng)網(wǎng)絡(luò)模型的初始參數(shù)； S4-3：將數(shù)據(jù)集分為訓(xùn)練集和測試集，使用訓(xùn)練集對(duì)LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，通過調(diào)整參數(shù)，利用前向反饋過程計(jì)算LSTM神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)，并采用Adam算法確定權(quán)重參數(shù)的迭代更新方式，完成LSTM神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化； S4-4：將測試集輸入至優(yōu)化好的LSTM神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測，輸出預(yù)測結(jié)果； S4-5：基于預(yù)測結(jié)果，利用LSTM深度學(xué)習(xí)算法，構(gòu)建氧合指數(shù)預(yù)測模型，預(yù)測患者的氧合指數(shù)水平； S5：根據(jù)預(yù)測結(jié)果自適應(yīng)調(diào)整時(shí)間窗口范圍，通過增加或減少時(shí)間窗口長度調(diào)整入組數(shù)據(jù)，優(yōu)化氧合指數(shù)預(yù)測模型，并利用多中心重癥醫(yī)學(xué)信息數(shù)據(jù)庫對(duì)預(yù)測結(jié)果進(jìn)行驗(yàn)證，完成基于連續(xù)無創(chuàng)參數(shù)的氧合指數(shù)預(yù)測。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國人民解放軍新疆軍區(qū)總醫(yī)院，其通訊地址為：830099 新疆維吾爾自治區(qū)烏魯木齊市沙依巴克區(qū)友好北路359號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。