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！

龙图腾网恭喜浙江中医药大学申请的专利中医心身医学调治睡眠质量的评估方法与系统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：CN118280569B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202410373128.6，技术领域涉及：G16H50/30；该发明授权中医心身医学调治睡眠质量的评估方法与系统是由佟欣;赵法政;林敏设计研发完成，并于2024-03-29向国家知识产权局提交的专利申请。

本中医心身医学调治睡眠质量的评估方法与系统在说明书摘要公布了：一种中医心身医学调治睡眠质量的评估方法，包括：基于其所有日常生理数据、体检指标数据与睡眠监测数据作为样本数据集，分别建立对应的第一有向加权图模型与第二有向加权图模型；结合注意力机制，对第一有向加权图模型以及第二有向加权图模型进行训练，分别得到第一图嵌入矩阵与第二图嵌入矩阵；基于第一图嵌入矩阵与第二图嵌入矩阵，对每一个个体的样本数据进行预测；获取当前待治疗个体的所有日常生理数据、体检指标数据与睡眠监测数据，输入至第一有向加权图模型与第二有向加权图模型，并输出对应的损失函数的值，以此评估中医调治的质量。

本发明授权中医心身医学调治睡眠质量的评估方法与系统在权利要求书中公布了：1.一种中医心身医学调治睡眠质量的评估方法，其特征在于，所述方法包括步骤1～步骤4；步骤1，对每一个接受中医调治的个体，基于其所有日常生理数据、体检指标数据与睡眠监测数据作为样本数据集，分别建立对应的第一有向加权图模型与第二有向加权图模型；步骤2，结合注意力机制，对第一有向加权图模型以及第二有向加权图模型进行训练，分别得到第一图嵌入矩阵与第二图嵌入矩阵；步骤3，基于第一图嵌入矩阵与第二图嵌入矩阵，对每一个个体的样本数据进行预测；步骤4，获取当前待治疗个体的所有日常生理数据、体检指标数据与睡眠监测数据，输入至第一有向加权图模型与第二有向加权图模型，并输出对应的损失函数的值，以此评估中医调治的质量；样本数据集表示为表示在时间ti下采集到的第k种类型的样本数据，不同类型的样本数据是心率数据、睡眠时间数据、肝功能指标数据，其中，i＝1,2,…,N，k＝1,2,…,M，N和M分别为采集到的不同时间的数量与不同类型的数量，每一个在下文中都代表一个顶点，将的值记作vj，其中，j＝1,2,…,N×M；得到第一图嵌入矩阵具体包括步骤2.1～步骤2.6；步骤2.1，根据顶点的数据类型，提取每一个顶点在有向加权图中映射后的特征向量；步骤2.2，计算任意顶点关于任何类型的邻域特征向量；步骤2.3，根据任意顶点关于任何类型的邻域特征向量，计算出任意顶点关于任何类型的注意力分数；步骤2.4，根据任意顶点关于任何类型的注意力分数，计算前后时间中任意两个顶点之间的关联性强度；步骤2.5，根据相同类型下前后时间中两个顶点之间的关联性强度，计算出每一种类型的加权特征向量；步骤2.6，对所有的加权特征向量进行聚合得到最终的第一图嵌入矩阵；每一个顶点vj映射后的特征向量如下式所示： 其中，Uk为预设的权重学习矩阵，为待学习的参数，其初始值随机化设置；任意顶点vj关于任何类型k的邻域特征向量如下式所示： 其中，为有向加权图中顶点vj的邻域中类型为k的顶点集合，Aj为顶点vj在有向加权图中的邻接矩阵，表示顶点vu映射后的特征表示，其中，u＝1,2,…,N×M；Aj表示顶点vj的邻接矩阵，I为单位矩阵；任意顶点vj关于任何类型k的注意力分数如下式所示： 其中，σ·表示激活函数，||为拼接操作，是第k种类型的预设的注意力向量，为待学习的参数，其初始值随机化设置，T表示向量的转置；前后时间中两个顶点分别为vi,vj，其之间的关联性强度如下式所示： 其中，tij表示两个顶点vi,vj的时间差，两个顶点vi,vj分别对应的是与tij＝tv-tu，l＝1,2,…,M；第k种类型的加权特征向量Zk如下式所示： Zk＝[…,zi,…],i∈k其中，zi为顶点vj的加权特征值，i∈k表示顶点vi的类型为k，Zk表示类型k下的所有zi的集合；第一图嵌入矩阵G如下式所示：Qk＝WQZkKk＝WKZkVk＝WvZk 其中，d是键向量的维度，WQ,WK,WV是注意力机制模型中的权重矩阵，为待学习的参数，其初始值随机化得到；预测的结果如下式所示： 其中，e与b为待学习的参数，G′为第二图嵌入矩阵，其中，e为C×M的矩阵，b为C×1的向量，C表示中医调治的类型数量，包括药物治疗、针灸治疗、推拿治疗；损失函数Loss如下式所示： 其中，Yc表示所述个体实际选择的治疗类型，若选择该治疗类型，其数值为1，否则为0，表示向量的第c个数值；用于构建第一有向加权图模型的样本数据为所述个体在接受中医调治前的样本数据；相应的，用于构建第二有向加权图模型的样本数据为所述个体在接受中医调治后的样本数据；若输出对应的损失函数的值Loss小于预设的阈值，则说明此时调治的效果达到预期，否则认为效果并没有达到预期。

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浙江中医药大学，其通讯地址为：310053 浙江省杭州市滨江区滨文路548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”。