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！

龙图腾网获悉中国人民解放军总医院第七医学中心申请的专利一种基于体征数据的儿童健康监测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：CN120744849B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511247773.4，技术领域涉及：G06F18/25；该发明授权一种基于体征数据的儿童健康监测方法是由孙文洁;刘爱红;刘俐设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本一种基于体征数据的儿童健康监测方法在说明书摘要公布了：本发明提出一种基于体征数据的儿童健康监测方法，涉及儿童健康监测领域。本发明提出的儿童健康监测流程包括构建儿童体征数据集，将数据集中每时刻的数据序列通过查找表映射至高维空间，结合线性变换与ReLU激活函数提取特征序列，利用非线性调节生成的权重与平滑系数矩阵，实现特征序列的动态加权与平滑处理，获得加权特征序列，引入生长周期因子，得到生理特征序列，后利用长短期记忆网络捕捉包含历史健康信息的时序特征序列，计算相邻时刻生理特征序列的差异，基于差异值计算特征重构参数，生成健康特征序列，最终，健康特征序列展平后输入全连接神经网络，经激活函数和线性变换输出儿童健康监测值，提高对儿童健康监测的准确性。

本发明授权一种基于体征数据的儿童健康监测方法在权利要求书中公布了：1.一种基于体征数据的儿童健康监测方法，其特征在于，包括以下步骤： S1、收集影响儿童健康的体征数据，采用Z-score方法预处理，构建儿童体征数据集； S2、将所述儿童体征数据集中每时刻的所有数据组成数据序列，采用查找表将数据序列映射到高维空间，获得反映儿童健康状态的隐式特征序列，通过线性变换及ReLU激活函数，得到特征序列； S3、构建自适应时序权重模块，基于所述特征序列与前一时刻权重，利用非线性调节生成当前时刻的权重，同时引入平滑系数矩阵，动态加权与平滑特征序列，得到加权特征序列，所述自适应时序权重模块，具体包括以下步骤： S31、综合第时刻的权重和第时刻特征序列的信息，结合非线性调节控制权重的变化速率和幅度，具体的数学模型为： ； 式中，为第时刻特征序列的权重，为第时刻特征序列的权重，为可学习的调节权重更新幅度的步长参数，为可学习的权重抑制参数，为可学习的非线性调制参数，为第时刻影响儿童健康数据的特征序列； S32、引入平滑系数矩阵，依据特征序列在相邻时刻的变化幅度自动调整平滑系数矩阵的大小，具体的数学模型为： ； 式中，为第时刻的平滑系数矩阵，为第时刻影响儿童健康数据的特征序列，为可学习的特征变化敏感参数，为取绝对值操作； S33、将第时刻平滑系数矩阵与第时刻儿童健康数据的特征序列相乘，再与权重相乘，得到加权特征序列； S4、构建生长周期特征模块，引入生长周期因子，与所述加权特征序列逐元素相乘后得到生理特征序列，生理特征序列组成时间序列数据，利用长短期记忆网络获得时序特征序列，所述生长周期特征模块，具体包括以下步骤： S41、通过tanh和正弦函数生成第时刻的生长周期因子，具体的数学模型为： ； 式中，为第时刻的生长周期因子，为可学习的权重矩阵，为可学习的偏置项，为可学习的周期频率，为可学习的相位，为通过广播机制拓展数据维度； S42、将生长周期调制因子和儿童健康数据的特征序列以逐元素乘法方式结合，得到周期调制后的生理特征序列； S43、将时刻至第时刻的生理特征序列组合，形成长度为的时间序列数据，，利用长短期记忆网络捕获长期依赖，得到第时刻长短期记忆网络输出的包含历史信息的时序特征序列； S5、构建健康状态波动感知模块，通过计算当前时刻与上一时刻生理特征序列的差异，获得健康状态波动值，引入特征重构参数，依据该参数将时序特征序列与生理特征序列加权融合，形成健康特征序列，所述健康状态波动感知模块，具体包括以下步骤： S51、计算第时刻的时序特征序列与上一时刻生理特征序列之间的差值的L1范数，得到健康状态波动值； S52、利用非线性变换，生成特征重构参数，具体的数学模型为： ； 式中，为第时刻的特征重构参数，为可学习的权重，为可学习的偏置项； S53、将第时刻的时序特征序列与生理特征序列按特征重构参数进行加权融合，具体的数学模型为： ； 式中，为加权融合后的健康特征序列； S6、将所述健康特征序列展平成特征向量，依次输入全连接神经网络与激活函数，再通过线性变换得到最终的儿童健康监测值。

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人民解放军总医院第七医学中心，其通讯地址为：100010 北京市东城区东四十条南门仓路5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。