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！

龙图腾网获悉广州医科大学申请的专利一种基于时序多模态的子痫前期预测模型的构建方法、预测方法和预测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：CN120015336B 。

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：202510111179.6，技术领域涉及：G16H50/50；该发明授权一种基于时序多模态的子痫前期预测模型的构建方法、预测方法和预测装置是由黄静滢;蒋鑫晔;倪震楠;谢文韬;杨钱俊;毕志升;李晓君设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于时序多模态的子痫前期预测模型的构建方法、预测方法和预测装置在说明书摘要公布了：本发明公开一种基于时序多模态的子痫前期预测模型的构建方法、预测方法和预测装置，涉及子痫前期风险预测技术领域。构建方法包括：获取已知妊娠结局的孕妇的多模态时序特征数据，构建时间序列数据集；已知妊娠结局的孕妇包括患有和未患有子痫前期的孕妇；利用时间序列数据集对图注意力网络和全连接网络进行训练，将得到的缺失值拟合模型作为嵌入层嵌入到门控循环单元中，利用时间序列数据集进行训练后，得到子痫前期预测模型。本发明的预测模型中通过缺失值拟合模型对缺失数据进行处理，能够有效恢复缺失信息，确保模型能够更准确地处理不完整的医疗数据，同时结合门控循环单元进行时序特征的捕捉和预测，有效提高了对子痫前期的预测准确性。

本发明授权一种基于时序多模态的子痫前期预测模型的构建方法、预测方法和预测装置在权利要求书中公布了：1.一种基于时序多模态的子痫前期预测模型的构建方法，其特征在于，包括如下步骤： 获取已知妊娠结局的孕妇的多模态时序特征数据，构建时间序列数据集；已知妊娠结局的孕妇包括患有子痫前期的孕妇和未患有子痫前期的孕妇； 利用所述时间序列数据集对图注意力网络和全连接网络进行训练，得到缺失值拟合模型； 将所述缺失值拟合模型作为嵌入层嵌入到门控循环单元中，利用所述时间序列数据集进行训练后，得到子痫前期预测模型； 获取已知妊娠结局的孕妇的多模态时序特征数据，构建时间序列数据集的步骤具体包括： 将已知妊娠结局的孕妇的妊娠期分为多个时间节点，采集已知妊娠结局的孕妇在每个时间节点的多模态特征数据，对每个时间节点的多模态特征数据进行合并，且将当前时间节点未出现的特征数据置为空值，重复出现的特征数据取最后一次出现的特征数据，获得预处理后的多模态时序特征数据； 以特征数据出现的次数大于预设值作为筛选标准，将所述预处理后的多模态时序特征数据进行筛选后，构建时间序列数据集； 以特征数据出现的次数大于预设值作为筛选标准，将所述预处理后的多模态时序特征数据进行筛选后，构建时间序列数据集的步骤具体包括： 以特征数据出现的次数大于预设值作为筛选标准，将所述预处理后的多模态时序特征数据进行筛选后，得到筛选后的多模态时序特征数据；所述筛选后的多模态时序特征数据包括常量特征和变量特征； 在筛选后的多模态时序特征数据中常量特征空缺位置进行常量特征的填充，得到填充后的多模态时序特征数据，构建时间序列数据集； 利用所述时间序列数据集对图注意力网络和全连接网络进行训练，得到缺失值拟合模型的步骤具体包括： 将所述时间序列数据集转换为图结构数据，并将图结构数据中的一部分节点的特征值进行掩码作为空缺值，形成缺失节点，得到带有缺失节点的图结构数据； 将所述带有缺失节点的图结构数据输入到图注意力网络后，输出第一数据； 将所述第一数据与所述图结构数据进行融合，得到融合特征数据； 将所述融合特征数据进行特征展开，得到一维特征数据； 将所述一维特征数据输入到三层堆叠的全连接网络中，得到空缺值的填充值和子痫前期预测结果； 根据填充值和节点处被掩码的真实值得到第一损失值，根据子痫前期预测结果与子痫前期真实结果得到第二损失值； 根据第一损失值和第二损失值对图注意力网络和全连接网络中的参数进行调整，直至第一损失值和第二损失值的权重加和收敛，则训练好的图注意力网络和与所述图注意力网络连接的三层堆叠的全连接网络中的两层堆叠的全连接网络构成缺失值拟合模型。

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广州医科大学，其通讯地址为：510000 广东省广州市东风西路195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。