買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉咸陽(yáng)市中心醫(yī)院申請(qǐng)的專(zhuān)利基于深度學(xué)習(xí)的麻醉并發(fā)癥預(yù)測(cè)模型構(gòu)建方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120452673B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510888359.5，技術(shù)領(lǐng)域涉及：G16H20/17；該發(fā)明授權(quán)基于深度學(xué)習(xí)的麻醉并發(fā)癥預(yù)測(cè)模型構(gòu)建方法是由惠永崗;劉坤文;趙嚴(yán)琳;胡丁于設(shè)計(jì)研發(fā)完成，并于2025-06-30向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于深度學(xué)習(xí)的麻醉并發(fā)癥預(yù)測(cè)模型構(gòu)建方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及醫(yī)療系統(tǒng)技術(shù)領(lǐng)域，具體公開(kāi)了一種基于深度學(xué)習(xí)的麻醉并發(fā)癥預(yù)測(cè)模型構(gòu)建方法，包括以下步驟：S1：獲取多源異構(gòu)麻醉醫(yī)療數(shù)據(jù)；S2：構(gòu)建多模態(tài)特征融合模塊；S3：設(shè)計(jì)層級(jí)化深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，包含并行處理不同模態(tài)數(shù)據(jù)的子網(wǎng)絡(luò)，以及融合多模態(tài)特征的全連接預(yù)測(cè)層；S4：采用動(dòng)態(tài)風(fēng)險(xiǎn)軌跡預(yù)測(cè)機(jī)制，以滑動(dòng)時(shí)間窗口方式連續(xù)輸出并發(fā)癥概率曲線，而非單一靜態(tài)預(yù)測(cè)結(jié)果；S5：部署臨床實(shí)時(shí)決策接口，將預(yù)測(cè)結(jié)果實(shí)時(shí)映射至麻醉監(jiān)護(hù)設(shè)備告警系統(tǒng)。采用雙向LSTM+1D?CNN混合編碼器與跨模態(tài)注意力機(jī)制，同步捕獲生理信號(hào)的時(shí)序依賴與操作事件的時(shí)空特征，實(shí)現(xiàn)多源數(shù)據(jù)的深度語(yǔ)義融合，提升模型對(duì)并發(fā)癥前驅(qū)特征的表征能力。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的麻醉并發(fā)癥預(yù)測(cè)模型構(gòu)建方法在權(quán)利要求書(shū)中公布了：1.基于深度學(xué)習(xí)的麻醉并發(fā)癥預(yù)測(cè)模型構(gòu)建方法，其特征在于，包括以下步驟： S1：獲取多源異構(gòu)麻醉醫(yī)療數(shù)據(jù)，至少包含患者生理時(shí)序數(shù)據(jù)、麻醉操作記錄、藥物使用記錄及術(shù)前評(píng)估文本； S2：構(gòu)建多模態(tài)特征融合模塊，通過(guò)嵌入層將離散操作事件轉(zhuǎn)化為連續(xù)向量，通過(guò)時(shí)序卷積層提取生理信號(hào)局部特征，通過(guò)注意力機(jī)制加權(quán)關(guān)鍵時(shí)間片段； S3：設(shè)計(jì)層級(jí)化深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，包含并行處理不同模態(tài)數(shù)據(jù)的子網(wǎng)絡(luò)，以及融合多模態(tài)特征的全連接預(yù)測(cè)層； S4：采用動(dòng)態(tài)風(fēng)險(xiǎn)軌跡預(yù)測(cè)機(jī)制，以滑動(dòng)時(shí)間窗口方式連續(xù)輸出并發(fā)癥概率曲線，而非單一靜態(tài)預(yù)測(cè)結(jié)果； S5：部署臨床實(shí)時(shí)決策接口，將預(yù)測(cè)結(jié)果實(shí)時(shí)映射至麻醉監(jiān)護(hù)設(shè)備告警系統(tǒng)； 步驟S2中的多模態(tài)特征融合模塊具體包括： 對(duì)生理時(shí)序數(shù)據(jù)采用雙向LSTM+1D-CNN混合編碼器，CNN層提取局部波形特征，LSTM層捕獲長(zhǎng)期依賴關(guān)系； 對(duì)麻醉操作事件采用時(shí)間感知嵌入層，將操作類(lèi)型與發(fā)生時(shí)刻聯(lián)合編碼為時(shí)空向量； 通過(guò)跨模態(tài)注意力機(jī)制計(jì)算生理特征與操作事件的相關(guān)性權(quán)重，實(shí)現(xiàn)特征自適應(yīng)融合，所述跨模態(tài)注意力機(jī)制滿足： ； 其中，為生理特征對(duì)操作事件的依賴權(quán)重；為第個(gè)生理特征向量；為第個(gè)操作事件向量；為可訓(xùn)練的特征拼接矩陣；為可訓(xùn)練的權(quán)重向量；為計(jì)算特征向量和相關(guān)性的評(píng)分函數(shù)；為指數(shù)函數(shù)；為雙曲正切激活函數(shù)；為特征向量和的拼接操作； 步驟S3中的層級(jí)化網(wǎng)絡(luò)架構(gòu)包含： 事件推理子網(wǎng)絡(luò)：使用Transformer解碼器建模麻醉操作序列的因果關(guān)系，預(yù)測(cè)潛在操作風(fēng)險(xiǎn)； 生理狀態(tài)子網(wǎng)絡(luò)：使用圖卷積網(wǎng)絡(luò)建模多生理參數(shù)間的生物關(guān)聯(lián)性； 跨模態(tài)融合層：設(shè)計(jì)門(mén)控交叉網(wǎng)絡(luò)，通過(guò)可學(xué)習(xí)門(mén)控機(jī)制控制信息流方向，所述門(mén)控交叉網(wǎng)絡(luò)的門(mén)控機(jī)制定義為： ； 其中，為門(mén)控向量，用于控制信息流方向；為激活函數(shù)，將向量元素映射到[0,1]區(qū)間；為可訓(xùn)練的門(mén)控權(quán)重矩陣；為可訓(xùn)練的門(mén)控偏置向量；為事件推理子網(wǎng)絡(luò)輸出和生理狀態(tài)子網(wǎng)絡(luò)輸出的拼接向量；為事件推理子網(wǎng)絡(luò)的輸出特征向量；為生理狀態(tài)子網(wǎng)絡(luò)的輸出特征向量；為跨模態(tài)融合后的特征向量；為逐元素乘法運(yùn)算符；為門(mén)控向量的補(bǔ)運(yùn)算，逐元素取反； 步驟S4的動(dòng)態(tài)風(fēng)險(xiǎn)軌跡預(yù)測(cè)具體實(shí)現(xiàn)為： 定義風(fēng)險(xiǎn)敏感型滑動(dòng)窗口，窗口長(zhǎng)度隨患者當(dāng)前風(fēng)險(xiǎn)等級(jí)動(dòng)態(tài)調(diào)整，高風(fēng)險(xiǎn)狀態(tài)下采用短窗口高頻更新，所述風(fēng)險(xiǎn)敏感型滑動(dòng)窗口長(zhǎng)度動(dòng)態(tài)調(diào)整為： ； 其中，為動(dòng)態(tài)調(diào)整后的滑動(dòng)窗口長(zhǎng)度；為滑動(dòng)窗口的最小長(zhǎng)度，高風(fēng)險(xiǎn)狀態(tài)下采用；為滑動(dòng)窗口的最大長(zhǎng)度，低風(fēng)險(xiǎn)狀態(tài)下采用；為當(dāng)前時(shí)刻的并發(fā)癥風(fēng)險(xiǎn)預(yù)測(cè)概率；為高風(fēng)險(xiǎn)閾值，當(dāng)超過(guò)該值時(shí)判定為高風(fēng)險(xiǎn)狀態(tài)；為低風(fēng)險(xiǎn)閾值，當(dāng)?shù)陀谠撝禃r(shí)判定為低風(fēng)險(xiǎn)狀態(tài)；在輸出層設(shè)計(jì)雙分支預(yù)測(cè)頭，主分支預(yù)測(cè)并發(fā)癥概率曲線，輔助分支預(yù)測(cè)風(fēng)險(xiǎn)變化趨勢(shì)導(dǎo)數(shù)；引入不確定性量化模塊，通過(guò)蒙特卡羅生成預(yù)測(cè)結(jié)果的置信區(qū)間，所述不確定性量化模塊輸出置信區(qū)間：；其中，為蒙特卡羅Dropout采樣結(jié)果的均值，代表預(yù)測(cè)概率的期望；為蒙特卡羅Dropout采樣結(jié)果的標(biāo)準(zhǔn)差，代表預(yù)測(cè)的不確定性；為蒙特卡羅Dropout的采樣次數(shù)；為第次蒙特卡羅Dropout采樣的預(yù)測(cè)結(jié)果；為對(duì)次采樣結(jié)果求和。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人咸陽(yáng)市中心醫(yī)院，其通訊地址為：712099 陜西省咸陽(yáng)市人民東路78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)”。