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！

龙图腾网获悉中山大学申请的专利一种脓毒症治疗策略的学习方法及装置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：CN114330566B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202111657725.4，技术领域涉及：G16H20/13；该发明授权一种脓毒症治疗策略的学习方法及装置是由余超;黄荣恒设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本一种脓毒症治疗策略的学习方法及装置在说明书摘要公布了：本发明公开了一种脓毒症治疗策略的学习方法及装置，该方法包括：基于样本数据建立关于脓毒症治疗策略的马尔科夫决策模型；样本数据为脓毒症患者在预设时间内的病理数据；根据马尔科夫决策模型，建立脓毒症的死亡率预测模型，并获取脓毒症患者各个特征的死亡率权重；利用死亡率权重对样本数据进行标记，生成目标样本；预测脓毒症治疗策略，利用深度强化学习方法来学习治疗策略。本发明通过患者样本优先级权重进行标记，使得深度强度学习的样本质量更高，提高了模型的训练效果，避免在大量次优样本中快速陷入局部最优的问题；通过采用改进的深度强度学习算法学习治疗策略，并为AI治疗策略的动作选择增加现实限制，使得推荐的治疗策略更优。

本发明授权一种脓毒症治疗策略的学习方法及装置在权利要求书中公布了：1.一种脓毒症治疗策略的学习方法，其特征在于，包括： 基于样本数据建立关于脓毒症治疗策略的马尔科夫决策模型；所述样本数据为脓毒症患者在预设时间内的病理数据； 根据所述马尔科夫决策模型，建立脓毒症的死亡率预测模型，并获取脓毒症患者各个特征的死亡率权重； 利用所述死亡率权重对所述样本数据进行标记，生成目标样本； 预测脓毒症治疗策略，利用深度强化学习方法来学习治疗策略； 所述利用所述死亡率权重对所述样本数据进行标记，生成目标样本，包括： 利用KNN算法，基于闵可夫斯基距离： 令n=100，P=2,为step2中计算出的患者各个特征的死亡率权重，包括： 1计算存活患者状态与最终死亡的患者最相邻的100个状态的平均距离； 2计算死亡患者状态与最终存活的患者最相邻的100个状态的平均距离； 将1和2获得的距离汇总，距离越近，则当前状态越接近死亡，但是最终经过有效治疗存活；或当前状态越接近存活，但是治疗不当导致最终死亡；即距离越近的患者样本质量越高；反之，距离越大，代表样本的质量越低； 设定任一转移样本的采样权重为： ； 其中，为距离的平均值，k为权重放大参数； 所述预测脓毒症治疗策略，利用深度强化学习方法来学习治疗策略，包括： 采用所述KNN算法，分别在训练集、测试集中，找出与患者状态最接近的其他预设数量的患者状态，统计在该预设数量的患者状态下的医生动作，并据此根据动作分布汇总为医生的治疗策略； 采用Huber损失函数修改深度强化学习损失函数，得到修改后的损失函数。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。