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！

龙图腾网获悉中国科学院深圳先进技术研究院申请的专利一种心梗或心衰患者的电子病历分析方法、系统及终端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：CN119650052B 。

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：202411549029.5，技术领域涉及：G16H50/30；该发明授权一种心梗或心衰患者的电子病历分析方法、系统及终端是由吴丹;刘龙飞;李烨设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本一种心梗或心衰患者的电子病历分析方法、系统及终端在说明书摘要公布了：本发明公开了一种心梗或心衰患者的电子病历分析方法、系统及终端，所述方法包括：获取患者电子病历，并将患者电子病历输入至时空动态图神经网络模型，得到多个时序图；获取多个时序图中的稀疏邻接矩阵以及节点属性信息，对稀疏邻接矩阵和节点属性信息进行空间信息学习处理，得到多个多元时间序列图；对多个所述多元时间序列图进行下采样处理，得到多个多元时间序列特征；根据多个所述多元时间序列特征对所述时空动态图神经网络模型进行集成学习处理，输出所述患者电子病历对应的电子病历分析结果。本发明通过构建时空动态图神经网络模型，能够动态提取患者电子病历中生理参数对应的时空信息，有效提高了电子病历分析结果输出的准确性。

本发明授权一种心梗或心衰患者的电子病历分析方法、系统及终端在权利要求书中公布了：1.一种心梗或心衰患者的电子病历分析方法，其特征在于，所述心梗或心衰患者的电子病历分析方法包括： 获取患者电子病历，并将所述患者电子病历输入至时空动态图神经网络模型，得到多个时序图； 获取多个所述时序图中的稀疏邻接矩阵以及节点属性信息，对所述稀疏邻接矩阵和所述节点属性信息进行空间信息学习处理，得到多个多元时间序列图； 所述时空动态图神经网络模型包括时间动态图同构网络模块； 所述获取多个所述时序图中的稀疏邻接矩阵以及节点属性信息，对所述稀疏邻接矩阵和所述节点属性信息进行空间信息学习处理，得到多个多元时间序列图，具体包括： 将多个所述时序图输入至所述时间动态图同构网络模块，通过所述时间动态图同构网络模块获取多个所述时序图中的稀疏邻接矩阵以及节点属性信息； 对所述稀疏邻接矩阵和节点属性信息进行聚合处理、动态时间合并处理、自循环相加处理以及特征连接处理，得到多个多元时间序列图； 所述获取多个所述时序图中的稀疏邻接矩阵，具体包括： 获取多个所述时序图中不同节点之间的连接权重信息，根据所述连接权重信息构建图邻接矩阵； 对所述图邻接矩阵进行初始化处理，得到稀疏邻接矩阵； 所述对所述图邻接矩阵进行初始化处理，得到稀疏邻接矩阵，具体包括： 获取多个所述时序图中的随机采样值，并根据所述随机采样值对所述图邻接矩阵进行填充处理，得到填充图邻接矩阵； 对所述填充图邻接矩阵进行稀疏转化处理，得到稀疏邻接矩阵； 对多个所述多元时间序列图进行下采样处理，得到多个多元时间序列特征； 根据多个所述多元时间序列特征对所述时空动态图神经网络模型进行集成学习处理，输出所述患者电子病历对应的电子病历分析结果； 所述时空动态图神经网络模型包括平均池化层和全连接层； 所述根据多个所述多元时间序列特征对所述时空动态图神经网络模型进行集成学习处理，输出所述患者电子病历对应的电子病历分析结果，具体包括： 将多个所述多元时间序列特征依次输入至所述平均池化层和所述全连接层，得到多个多元时间序列结果； 采用集成学习策略获取多个所述多元时间序列结果中多个时间尺度对应的数据特征，并根据所述多个时间尺度对应的数据特征对所述时空动态图神经网络模型进行集成学习处理； 通过集成学习处理后的时空动态图神经网络模型输出所述患者电子病历对应的电子病历分析结果。

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国科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区西丽深圳大学城学苑大道1068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”。

以上内容由龙图腾AI智能生成。