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！

龙图腾网获悉湖南大学申请的专利一种用于医疗特征生成模型的半监督条件迁移学习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：CN116628489B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310352952.9，技术领域涉及：G06F18/214；该发明授权一种用于医疗特征生成模型的半监督条件迁移学习方法是由彭绍亮;窦钰涛;夏飞;刘达政;潘良睿设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种用于医疗特征生成模型的半监督条件迁移学习方法在说明书摘要公布了：本发明公开了一种用于医疗特征生成模型的半监督条件迁移学习方法，包括S1、对输入源域和目标域数据进行特征预处理；S2、按照预设的规则对源域数据进行筛选，得到筛选后的源域数据；S3、将筛选后的源域数据根据特征是否稀有分为预训练的训练集和测试集；S4、构建基于源域数据特点的特征生成模型；S5、按照预设的规则对目标域数据进行筛选，得到筛选后的目标域数据；S6、生成目标域数据表征；S7、生成与源域数据维度相同的数据集；S8、将筛选的源域数据与目标域数集合并，形成混合数据集；S9、基于混合数据集进行重新训练得到带有目标域数据特点的特征生成模型；S10、重复步骤S5‑S9。本发明通过多种特征增强方法，强化了原始数据的特点。

本发明授权一种用于医疗特征生成模型的半监督条件迁移学习方法在权利要求书中公布了：1.一种用于医疗特征生成模型的半监督条件迁移学习方法，其特征在于，包括以下步骤： S1、对输入源域和目标域数据进行特征预处理；步骤S1具体包括：S10、构建包含所有患者的整个观察期的实际检测情况进行记录；S11、从已知值中推断缺失值；S12、设置滑动窗口，观测数据的近期历史情况；S13、采用了前向填充方法用最新的可用测量值填充纵向数据的缺失值；S14、构建临床评分特征； S2、按照预设的规则对源域数据进行筛选，得到筛选后的源域数据； S3、将筛选后的源域数据根据特征是否稀有分为预训练的训练集和测试集，稀有表示在目标域数据中不存在；步骤S3具体包括：S30、采用数据统计增强组件过滤筛选后的源域数据，得到多个一维矩阵；S31、将过滤后的源域数据根据特征分为预训练的特征集和标签； S4、构建基于源域数据特点的特征生成模型； S5、按照预设的规则对目标域数据进行筛选，得到筛选后的目标域数据； S6、将筛选后的目标域数据特征输入至基于源域数据特点的特征生成模型，生成目标域数据表征； S7、将步骤S6生成的目标域数据表征作为伪标签与步骤S5筛选的目标域数据相结合，生成与源域数据维度相同的数据集； S8、将步骤S2中筛选的源域数据与步骤S7生成的目标域数集合并，形成混合数据集； S9、基于混合数据集进行重新训练得到带有目标域数据特点的特征生成模型； S10、重复步骤S5-S9，直至带有目标域数据特点的特征生成模型的性能达到预设要求，再将特征生成模型以半监督条件迁移学习的方法迁移到目标域数据集上。

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湖南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路麓山门；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”。

以上内容由龙图腾AI智能生成。