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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南昌大學第一附屬醫(yī)院申請的專利一種麻醉恢復狀態(tài)智能評估方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN120048500B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510526408.0，技術領域涉及：G16H50/20；該發(fā)明授權一種麻醉恢復狀態(tài)智能評估方法及系統(tǒng)是由董洋;肖波;陳娟;田影;方蓓;於賢軍設計研發(fā)完成，并于2025-04-25向國家知識產權局提交的專利申請。

本一種麻醉恢復狀態(tài)智能評估方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種麻醉恢復狀態(tài)智能評估方法及系統(tǒng)，涉及麻醉評估技術領域。一種麻醉恢復狀態(tài)智能評估系統(tǒng)，包括有：數(shù)據(jù)采集模塊、狀態(tài)評估模塊、恢復樣本構建模塊、樣本評估模型模塊、調整策略生成模塊、數(shù)據(jù)統(tǒng)計與管理模塊和結果輸出模塊。本發(fā)明通過智能設備實時采集患者的多維生理數(shù)據(jù)，結合分段匹配與長段匹配的樣本評估模型，實現(xiàn)了對患者恢復狀態(tài)的精準實時評估；通過動態(tài)優(yōu)化的樣本區(qū)，結合患者的基本信息對樣本進行分組和聚類分析，動態(tài)加載并匹配患者的個體特征，確保評估模型能夠適應不同患者的個體差異，顯著提升了模型的適應性和魯棒性。

本發(fā)明授權一種麻醉恢復狀態(tài)智能評估方法及系統(tǒng)在權利要求書中公布了：1.一種麻醉恢復狀態(tài)智能評估方法，其特征在于，包括以下步驟： 步驟S1：數(shù)據(jù)的采集，通過智能設備實時采集患者的生理數(shù)據(jù)，并對采集到的數(shù)據(jù)進行去噪、標準化和時間對齊處理；所述生理數(shù)據(jù)包括但不限于心率、血壓、體溫、呼吸頻率、血氧飽和度； 步驟S2：單次狀態(tài)的評估，基于實時采集的生理數(shù)據(jù)和患者，提取患者的生理特征，并根據(jù)基于患者的基本信息預設的評估標準對患者當前的麻醉恢復狀態(tài)進行評估計算，得到實時恢復值； 步驟S3：恢復樣本的構建，根據(jù)單次狀態(tài)的評估結果匹配對應的恢復階段，并根據(jù)所有單次狀態(tài)評估的結果構建恢復樣本；通過當前恢復階段的生理數(shù)據(jù)與對應的標準生理數(shù)據(jù)進行計算，得到恢復對比值；最終生成的恢復樣本包括患者的基本信息、每個恢復階段及對應的多組生理數(shù)據(jù)、實時恢復值和恢復對比值； 步驟S4：將恢復樣本輸入至樣本評估模型中進行評估計算，得到樣本評估結果和恢復預測結果；所述恢復樣本輸入樣本評估模型后，選擇類別區(qū)并進行分段匹配計算和長段匹配計算，對兩類計算結果進行加權計算，得到最終的樣本評估結果和恢復預測結果； 所述樣本評估模型的結構包括： 輸入層，用于接收患者的生理數(shù)據(jù)和基本信息，將其標準化處理后轉換為模型處理的特征向量形式X={x1,x2,…,xn}，其中n表示特征維度； 配對層，用于根據(jù)患者的基本信息選擇類別區(qū)，對輸入特征向量X通過患者基本信息的映射函數(shù)M進行分類映射，確定與輸入患者信息相匹配的類別區(qū)；所述基本信息包括麻醉種類、疾病類型、年齡范圍、性別和慢性病史； 類別區(qū)單元，包括： 分段匹配層，利用基于注意力機制的局部匹配網(wǎng)絡提取特征向量中具有代表性的局部特征，對患者恢復數(shù)據(jù)的關鍵生理指標進行局部特征匹配，得到局部匹配結果Rs； 長段匹配層，基于循環(huán)神經(jīng)網(wǎng)絡，對輸入數(shù)據(jù)的時間序列特征進行全局建模，獲取輸入特征在時間維度上的匹配結果Rl； 結果擬合層，用于對分段匹配層和長段匹配層的匹配結果進行擬合整合，通過加權函數(shù)：FRs,Rl=ws*Rs+wl*Rl，計算得到中間評估值Rm；其中ws和wl為匹配結果的權重參數(shù)，且滿足ws+wl=1； 加權輸出層，用于對中間評估值Rm結合患者當前恢復階段的特定權重Wp，生成最終的樣本評估結果Rf和預測恢復結果Pr； 所述匹配結果的權重參數(shù)的獲取包括： 獲取分段匹配結果和長段匹配結果，利用分段匹配層提取輸入特征X的局部特征，生成局部匹配結果Rs，其計算公式為：Rs=fsX,Ws，其中fs為分段匹配函數(shù)，Ws為分段匹配層的權重參數(shù)； 利用長段匹配層對輸入特征X的整體時間序列特征進行全局建模，生成全局匹配結果Rl，其計算公式為：Rl=flX,Wl，其中fl為長段匹配函數(shù)，Wl為長段匹配層的權重參數(shù)； 計算相似度，分別計算分段匹配結果Rs和長段匹配結果Rl與輸入特征X的相似度；使用余弦相似度函數(shù)作為相似度度量函數(shù)，得到相似度值Ss和Sl； 對相似度值Ss和Sl進行歸一化計算得到，分段匹配結果和長段匹配結果的權重參數(shù)ws和wl； 步驟S5：調整策略的推薦，根據(jù)樣本評估結果和恢復預測結果，生成個性化的恢復調整策略； 步驟S6：數(shù)據(jù)統(tǒng)計及管理，對所有患者的恢復樣本、樣本評估結果、恢復預測結果和恢復調整策略進行統(tǒng)計、存儲和管理，支持數(shù)據(jù)備份、查詢和長期追蹤分析，同時確保數(shù)據(jù)安全和隱私保護。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人南昌大學第一附屬醫(yī)院，其通訊地址為：330000 江西省南昌市東湖區(qū)永外正街17號；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)”。