Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京医科大学荆芒获国家专利权

南京医科大学荆芒获国家专利权

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!

龙图腾网获悉南京医科大学申请的专利一种基于交互式数据采集的问诊引导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:CN120145171B

龙图腾网通过国家知识产权局官网在2025-07-18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:202510629896.8,技术领域涉及:G06F18/2411;该发明授权一种基于交互式数据采集的问诊引导系统是由荆芒;刘云;王俊杰;缪姝妹;单涛;景慎旗设计研发完成,并于2025-05-16向国家知识产权局提交的专利申请。

一种基于交互式数据采集的问诊引导系统在说明书摘要公布了:本发明公开了一种基于交互式数据采集的问诊引导系统,涉及问诊引导技术领域,包括数据获取模块、高血压特征提取模块、高血压风险预测模块和引导调整模块,通过融合静态与动态血压数据、时间序列分析、异常检测和机器学习模型,实现对白大衣高血压与隐匿性高血压的精准识别,不仅能够结合用户的生理数据与测量环境特征,提高高血压风险预测的准确性,还能通过动态问诊引导调整个性化测量建议,并生成针对性的血压管理方案,该技术有效减少了因情绪波动或单次测量误判高血压的情况,提升了高血压筛查与健康管理的科学性,优化了患者的就诊决策,降低了不必要的医疗干预风险,从而提高了智能医疗系统的可靠性和临床应用价值。

本发明授权一种基于交互式数据采集的问诊引导系统在权利要求书中公布了:1.一种基于交互式数据采集的问诊引导系统,其特征在于:包括数据获取模块、高血压特征提取模块、高血压风险预测模块和引导调整模块; 数据获取模块:获取用户的实时健康数据,包括血压测量数据、心率、血氧饱和度及用户自主输入的症状信息; 高血压特征提取模块:结合时间序列分析方法,计算血压变化趋势,区分短期波动与长期趋势,并采用异常检测算法识别白大衣高血压与隐匿性高血压特征; 高血压风险预测模块:采用融合静态与动态血压数据的机器学习模型,结合患者历史高血压特征和测量环境特征,进行高血压风险预测,并结合不同用户的个体特征,动态调整机器学习模型的权重; 引导调整模块:在用户上传血压数据后,系统通过动态问诊引导,基于其测量数据自动调整提问内容,若检测到疑似白大衣高血压或隐匿性高血压,系统会提醒用户进行多时段血压测量,并生成个性化血压管理方案; 数据获取模块中,通过智能可穿戴设备采集血压、心率和血氧饱和度;通过智能医疗设备传输测量数据;通过用户自主输入采集用户主诉症状,并与生理参数进行关联分析; 采用孤立森林算法检测医院测量血压值与家庭测量血压值的异常偏差,以识别白大衣高血压;对患者历史高血压特征中患者在医院血压值与家庭血压值的异常偏差情况进行分析后,生成血压偏差指数,血压偏差指数的获取方法为: 计算医院和家庭的平均血压: 其中,BPavgclinic表示第i次医院血压测量值,BPavghome表示第j次家庭血压测量值;定义收缩压偏差指数BPDIsys和舒张压偏差指数BPDIdia,表达式为: BPaugclinic,sys为医院测量的平均收缩压,BPaughome,sys为家庭测量的平均收缩压;BPavgclinic,dia为医院测量的平均舒张压;BPavghome,dia为家庭测量的平均舒张压;将计算得到的收缩压偏差指数BPDIsys和舒张压偏差指数BPDIdia进行加权平均求和计算后得到血压偏差指数; 对患者的测量环境特征进行分析后生成测量情绪干扰指数,测量情绪干扰指数的获取方法为: 采集并编码测量环境特征,包括过去N次血压测量时的时间、环境噪音水平和测量姿势数据;计算特征向量X∈Rn作为测量环境的基准数据集,n为特征数量,X为特征向量,R为特征数据集;使用变分自编码器VAE训练数据分布:通过VAE学习正常血压测量环境的潜在分布PX;若当前测量环境特征的似然概率PXcurrent小于训练分布,则判断存在情绪干扰;用One-ClassSVM进行异常检测:计算当前测量环境特征Xcurrent在VAE生成的潜在空间中的偏差;使用One-ClassSVM计算异常分数S:其中μ和σ分别为VAE生成的正常测量环境的均值和标准差;若S大于异常阈值,计算测量情绪干扰指数MEII,表达式为:MEII=SigmoidS;其中,Sigmoid归一化指数到0到1之间; 将血压偏差指数和测量情绪干扰指数转换为综合特征向量,将综合特征向量作为机器学习模型的输入,机器学习模型以每组综合特征向量预测高血压风险分析值标签为预测目标,以最小化对所有高血压风险分析值标签的预测误差之和作为训练目标,对机器学习模型进行训练,直至预测误差之和达到收敛时停止模型训练,根据模型输出结果确定高血压风险分析值,其中,机器学习模型为多项式回归模型。

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南京医科大学,其通讯地址为:210000 江苏省南京市鼓楼区汉中路140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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。