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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于电子健康记录的临床预测方法、系统、设备及介质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：CN119560155B 。

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：202411633731.X，技术领域涉及：G16H50/30；该发明授权基于电子健康记录的临床预测方法、系统、设备及介质是由张维玉;刘阳;周小丁;王锐;王宇杭;鹿文鹏设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本基于电子健康记录的临床预测方法、系统、设备及介质在说明书摘要公布了：本发明公开了基于电子健康记录的临床预测方法、系统、设备及介质，属于自然语言处理技术领域，本发明要解决的技术问题为如何个性化填补EHR数据，提高临床上对患者健康状况预测精度，采用的技术方案为：获取EHR数据：构建就诊序列矩阵和对应的缺失掩码矩阵，获取患者EHR数据；初步插补与个性化调整；随机生成掩码矩阵；特征编码；PIPER特征融合：通过PIPER层的时间注意力机制和变量注意力机制对初始特征表示的时间维度和特征维度进行特征融合，生成患者健康表示；预训练：对患者健康表示进行重构，并通过MIT损失函数计算重构值与真实观测值之间的误差，从而PIPER层优化插补能力；微调：通过任务特定的解码器进行健康状态的预测任务。

本发明授权基于电子健康记录的临床预测方法、系统、设备及介质在权利要求书中公布了：1.一种基于电子健康记录的临床预测方法，其特征在于，该方法具体如下： 获取EHR数据：构建就诊序列矩阵和对应的缺失掩码矩阵，获取患者EHR数据； 初步插补与个性化调整：使用LOCF法对缺失数据进行初步插补，获取插补后的矩阵，并根据特征观测频率计算个性化缺失掩码矩阵，将个性化缺失掩码矩阵与插补后的矩阵进行点积计算获取个性化调整的插补结果； 随机生成掩码矩阵：随机选择部分数据进行遮蔽，获取遮蔽后的矩阵Amasked和对应的掩码矩阵Mmasked，用于模拟真实场景下的数据缺失情况； 特征编码：通过输入编码器将遮蔽后的数据Amasked和对应的掩码矩阵Mmasked投射到低维潜在空间，生成初始特征表示； PIPER特征融合：通过PIPER层的时间注意力机制和变量注意力机制对初始特征表示的时间维度和特征维度进行特征融合，生成患者健康表示； 预训练：对患者健康表示进行重构，并通过MIT损失函数计算重构值与真实观测值之间的误差，从而PIPER层优化插补能力； 微调：通过任务特定的解码器进行健康状态的预测任务； 其中，PIPER特征融合具体如下： 将初始潜在表示经过层归一化处理获取标准化数据； 将标准化数据通过时间注意力机制捕捉不同时间步之间的相关性，获取时间注意力机制上的注意力结果； 将时间注意力机制上的注意力结果与标准化数据通过残差连接相加，并进行归一化处理，获取归一化处理结果； 通过变量注意力机制从患者的全局角度捕捉变量关系，获取特征维度上的注意力结果； 将特征维度上的注意力结果再次通过残差连接与时间注意力机制上的注意力结果相加，并进行归一化处理，获取再次归一化处理的结果； 将再次归一化处理的结果通过前馈神经网络的两层线性变换和非线性激活函数处理，进一步提取和增强特征的非线性表示能力，获取增强特征的非线性表示； 对增强特征的非线性表示再次进行层归一化，获取平滑的患者健康表示； 预训练具体如下： 采用自监督预训练方法，通过遮挡部分观测值，并在隐藏空间中对遮挡部分观测值进行重建：编码器、PIPER层通过嵌入原始数据A，M生成重建目标Zobs；增强数据Amasked，Mmasked经过编码器、PIPER层生成患者健康表示Zhealth；解码器以Zhealth作为输入，生成重建数据Zactual；并采用掩码插补任务损失衡量插补值与原始真实值之间的误差，减少因随机掩盖部分数据带来的损失；MITLoss的公式如下： 其中，Zactual表示PIPER层重建的观测值；Zobs表示实际观测值；K表示被掩蔽观测值的数量。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250353 山东省济南市长清区大学路3501号齐鲁工业大学；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。