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！

龙图腾网恭喜宁波大学申请的专利一种深度网络模型构建的心血管病变预测系统和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：CN119943414B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202510428591.0，技术领域涉及：G16H50/30；该发明授权一种深度网络模型构建的心血管病变预测系统和方法是由杨博文;范后礼;郭立君;何文明;陈欣怡设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本一种深度网络模型构建的心血管病变预测系统和方法在说明书摘要公布了：本发明涉及一种深度网络模型构建的心血管病变预测系统和方法，通过设置采集装置用于采集患者的临床文本数据和双耳耳垂图像，对于双耳耳垂图像，由所设置的目标检测装置以边界框提取对象的方式提取双耳耳垂图像中的耳垂部位，获得耳垂特征图，随后通过所设置的增强装置对耳垂特征图进行仿射变换和高斯模糊处理，获得特征增强图像。对于临床文本数据，通过设置特征选择装置对其依次进行统计学组间差异检测、回归分析和随机森林筛选重要性检测以获得临床数据特征集合。最终通过预测装置根据特征增强图像与临床数据特征集合的融合获得患者的心血管病变预测结果。

本发明授权一种深度网络模型构建的心血管病变预测系统和方法在权利要求书中公布了：1.一种深度网络模型构建的心血管病变预测系统，其特征在于，包括： 采集装置，被设置为采集患者的临床文本数据和双耳耳垂图像； 目标检测装置，与所述采集装置通信，被设置为通过边界框提取对象的方式从所述双耳耳垂图像中提取耳垂部位以获得耳垂特征图； 增强装置，与所述目标检测装置通信，被设置为对所述耳垂特征图进行仿射变换以获得具有不同视角、尺度和形状的变换图像，然后将所述变换图像进行高斯模糊处理以获得特征增强图像； 特征选择装置，与所述采集装置通信，被设置为对所述临床文本数据依次进行统计学组间差异检测、回归分析和随机森林算法的重要性排序以获得临床数据特征集合； 预测装置，同时与所述增强装置、所述特征选择装置通信，被设置为通过注意力机制计算所述临床数据特征集合对所述特征增强图像的重要性，基于此重要性获得所述临床数据特征集合与所述特征增强图像的融合后的特征，随后通过全连接映射利用所述融合后的特征获得患者的心血管病变预测结果； 所述预测装置包括： 图像特征模块，与所述增强装置通信，被设置为通过密集卷积和通道权重调整方式对所述特征增强图像进行图像特征提取，获得图像特征向量； 文本特征模块，与所述特征选择装置通信，被设置为通过自注意力机制调节方式对所述临床数据特征集合进行调节，获得文本特征向量； 特征融合模块，同时与所述图像特征模块和所述文本特征模块通信，被设置为通过注意力机制计算所述文本特征向量对所述图像特征向量的重要性，将此重要性作为所述临床数据特征集合对所述特征增强图像的重要性，然后根据此重要性将所述文本特征向量与所述图像特征向量进行特征融合以获得所述融合后的特征； 全连接层模块，与所述特征融合模块通信，被设置为通过全连接映射利用所述融合后的特征获得患者的心血管病变预测结果； 所述图像特征模块包括： 密集卷积网络，其首端与所述增强装置通信，被设置为对所述特征增强图像进行密集卷积与全连接层映射处理以获得密集特征向量； 挤压-激励单元，与所述密集卷积网络的末端通信，被设置为对所述密集特征向量进行通道权重调整处理以获得所述图像特征向量； 所述密集卷积网络为由若多个密集卷积模型、多个卷积层模型、多个池化层模型和一个全连接层模型串联形成的通信网络结构，其中一个所述卷积层模型设置在所述通信网络结构的首端，所述全连接层模型设置在所述通信网络结构的末端； 在所述通信网络结构中，多个所述密集卷积模型为间隔设置，按由首端到末端的顺序，相邻两个所述密集卷积模型间依次设有一个所述卷积层模型和一个所述池化层模型； 所述密集卷积模型为由多个映射模型连接形成的链状结构，并且，每个所述映射模型的输出端均与其后所有的所述映射模型的输入端通信。

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宁波大学，其通讯地址为：315000 浙江省宁波市江北区风华路818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”。