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！

龙图腾网获悉中山大学;首都医科大学附属北京天坛医院申请的专利一种卒中预后预测方法、系统、计算机设备及存储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：CN119786041B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202411953528.0，技术领域涉及：G16H50/30；该发明授权一种卒中预后预测方法、系统、计算机设备及存储介质是由刘斯洋;程丝;程诗瑶;韦元旦;李昊;王拥军设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种卒中预后预测方法、系统、计算机设备及存储介质在说明书摘要公布了：本发明提供了一种卒中预后预测方法、系统、计算机设备及存储介质，所述方法包括获取卒中患者的待分析特征数据；所述待分析特征数据包括年龄、性别、籍贯、出院时mRS评分、卒中相关病史特征和入院出院NIHSS评分变化特征；将所述待分析数据输入预先构建的卒中预后预测模型进行预后预测，得到对应的预后预测结果；所述卒中预后预测模型基于与所述待分析特征数据具有相同特征的数据集训练得到。本发明通过筛选可获取性强且能够同时用于不同卒中后结局精准预测的关键数据特征训练构建卒中预后预测模型，不仅能有效提高卒中后结局预测的高效性和精准性，而且保证模型的泛化性和易用性，进而为卒中患者的健康管理提供可靠技术支持。

本发明授权一种卒中预后预测方法、系统、计算机设备及存储介质在权利要求书中公布了：1.一种卒中预后预测方法，其特征在于，适用于3个月卒中预后预测，所述方法包括以下步骤： 获取卒中患者的待分析特征数据；所述待分析特征数据包括年龄、性别、籍贯、出院时mRS评分、卒中相关病史特征和入院出院NIHSS评分变化特征；所述卒中相关病史特征包括有无短暂性脑缺血发作史、有无糖尿病史和有无短暂性脑缺血发作病史；所述入院出院NIHSS评分变化特征包括入院出院NIHSS总评分变化值和对应的若干入院出院NIHSS单项评分变化值； 将所述待分析数据输入预先构建的卒中预后预测模型进行预后预测，得到对应的预后预测结果；所述卒中预后预测模型基于与所述待分析特征数据具有相同特征的数据集训练得到； 其中，所述卒中预后预测模型的构建步骤包括： 获取卒中研究数据集；所述卒中研究数据集包括第一卒中患者数据集和第二卒中患者数据集；所述第一卒中患者数据集和所述第二卒中患者数据集分别为CNSR-III队列和CHANCE-2队列中剔除TIA患者数据后的缺血性脑卒中患者数据； 对所述卒中研究数据集进行预处理后，得到第一训练集、第一外部验证集和第二外部验证集；所述预处理包括将各个患者的入院NIHSS总评分及对应的若干入院NIHSS单项评分、出院NIHSS总评分及对应的若干出院NIHSS单项评分进行比对分析，得到入院出院NIHSS总评分变化值和对应的若干入院出院NIHSS单项评分变化值，用于添加到当前的数据集中得到新的数据集； 根据所述第一训练集和XGBoost模型，从所述第一训练集的数据特征中提取卒中预后预测关键特征； 分别根据所述第一训练集、所述第一外部验证集和所述第二外部验证集中的卒中预后预测关键特征和对应的预后结局，得到对应的第二训练集、第一验证集和第二验证集； 根据所述第二训练集对所述XGBoost模型进行训练，通过K折交叉验证获得最优参数模型，得到所述卒中预后预测模型，并根据所述第一验证集和所述第二验证集对所述卒中预后预测模型进行同源数据与非同源数据的结合验证，得到预测模型验证结果； 若所述预测模型验证结果中的所述模型同源数据验证结果和所述模型异源数据验证结果均小于对应的指标阈值，则不对所述卒中预后预测模型进行微调，反之，则根据所述第二训练集，基于预设损失函数对所述卒中预后预测模型进行模型参数优化训练；所述预设损失函数表示为： 式中，表示模型预测损失值；和分别表示第二训练集中K折交叉训练中划分的训练样本子集和验证样本子集；和分别表示训练样本子集和验证样本子集中的样本数；和分别表示训练样本子集中的第i个样本的真实值和预测值；和分别表示验证样本子集中的第j个样本的真实值和预测值；表示权重系数。

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山大学;首都医科大学附属北京天坛医院，其通讯地址为：510275 广东省广州市海珠区新港西路135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。