买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏省人民医院(南京医科大学第一附属医院)申请的专利一种参数预测模型的构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115099158B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210848932.6，技术领域涉及：G06F30/27；该发明授权一种参数预测模型的构建方法是由袁冬青;汤福南;杨春花;张晖;汪缨;刘庆淮设计研发完成，并于2020-12-31向国家知识产权局提交的专利申请。

本一种参数预测模型的构建方法在说明书摘要公布了：本发明公开一种参数预测模型的构建方法，包括如下步骤：步骤1：选定模型训练阶段的输入值和期望输出值，步骤2：构建BP神经网络模型；步骤3：训练模型，得到适用于SMILE手术切削厚度预测的BP神经网络模型。优点：基于BP神经网络对现有的大量数据进行深度学习，并可独立于SMILE手术机器实现预测功能。因此，本发明能够在保证预测精度的基础之上，从根本上实现全飞秒手术适应症的科学、快速筛查，并可节约临床时间。

本发明授权一种参数预测模型的构建方法在权利要求书中公布了：1.一种参数预测模型的构建方法，其特征在于，包括如下步骤: 步骤1：根据厂家提供的官方数据以及历史患者数据，选定患者球镜度数SPH、柱镜度数CYL、角膜曲率半径K和基质透镜直径Diameter4项指标作为模型训练阶段的输入值，选定输入量所一一对应的切削厚度值Y作为模型训练阶段的期望输出值； 步骤2：根据步骤1中的输入量和期望输出量，构建BP神经网络模型，BP神经网络模型包括三层前馈神经网络结构，分别为输入层、隐含层和输出层，输入层的输入指标是步骤1选择的输入量，输出层的输出指标为期望输出量；根据实际预测精度要求，设定期望误差W； 其中，隐含层和输出层激励函数均选取为tansig,网络训练函数为trainglm,网络性能函数为mse； BP神经网络模型选用S型传递函数logsig，其表达式为通过反传误差函数不断调节网络权值和阈值使误差函数E达到小于期望误差W的程度；其中，Ti为期望输出，Qi为网络计算输出； BP神经网络模型的神经元数目，隐含层的神经元数目L通过参照以下公式确定： c为输入层的节点数，b为输出层的节点数，a为[1，10]之间的常数； 步骤3：训练步骤2中的BP神经网络模型；具体的训练步骤如下： 步骤31、以步骤1中选定的4项指标的数据生成输入向量P1；以步骤1中选定的期望输出值的数据生成输出向量T1，此输出向量T1作为期望输出向量； P1＝[S1，S2，S3，...，Sn；C1，C2，C3，...，Cn；K1，K2，K3，...，Kn；D1，D2，D3，...，Dn]； T1＝[Y1，Y2，Y3，...，Yn]； 其中，n为历史样本数据个数，输入向量P由患者球镜度数SPH、柱镜度数CYL、角膜曲率半径K和基质透镜直径Diameter组成，患者球镜度数SPH、柱镜度数CYL、角膜曲率半径K和基质透镜直径Diameter分别简称为S、C、K和D； 步骤32、将输入向量P1输入BP神经网络模型得到实际输出向量，此实际输出向量为切削厚度值Y的预测值； 步骤33、将输出向量T1输入BP神经网络模型，计算出切削厚度值Y的预测值与期望值的均方根误差； 步骤34、以此均方根误差作为BP神经网络误差反向传播算法的输入数据，对BP神经网络模型进行循环往复训练，直至输出的切削厚度值Y的预测值与期望值之间的误差小于设定的期望误差W，模型训练完成，并保存该BP神经网络模型； 步骤35、得到适用于SMILE手术切削厚度预测的BP神经网络模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏省人民医院(南京医科大学第一附属医院)，其通讯地址为：210029 江苏省南京市广州路300号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。