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！

龙图腾网获悉电子科技大学申请的专利基于机器学习的周末效应下住院资源调配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：CN119181475B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202411180251.2，技术领域涉及：G16H40/20；该发明授权基于机器学习的周末效应下住院资源调配方法是由刘天钊;何金芝;梁岩;林创鹏;贾晨阳;刘海隆设计研发完成，并于2024-08-27向国家知识产权局提交的专利申请。

本基于机器学习的周末效应下住院资源调配方法在说明书摘要公布了：本发明提供一种基于机器学习的周末效应下住院资源调配方法，使用机器学习方法构建的周末效应下住院患者离院方式预测框架，从而完成对住院资源的调配。先利用随机森林算法识别出影响离院方式的关键因素；利用贝叶斯因果网络和因果森林模型探索关键因素之间的因果关系；再利用向量自回归模型分析时间序列数据，捕捉各变量之间的动态关系，应用动态时间规整技术衡量不同患者入院和手术过程的相似性，生成时间序列相似性特征；将关键特征、因果关系特征和时间序列特征进行合并输入到长短期记忆网络模型中，输出患者的离院方式，长短期记忆网络模型能够处理复杂的时序数据，提高预测的准确性，为完善住院资源调配提供基础。

本发明授权基于机器学习的周末效应下住院资源调配方法在权利要求书中公布了：1.基于机器学习的周末效应下住院资源调配方法，其特征在于，包括步骤： 数据收集和预处理步骤：从医疗服务数据库中按日期顺序收集住院患者数据，对住院患者数据中的日期变量标记工作日与非工作日；住院患者数据包括患者的个人信息、入院时期的数据、手术时期的数据以及离院时期的数据； 关键特征选择步骤：利用随机森林算法通过构建决策树对住院患者数据中患者的；住院患者数据的每个变量进行重要性评估，识别出影响离院方式的关键变量作为关键特征； 因果关系特征选择步骤：基于选定的关键特征-离院方式，构建贝叶斯因果网络，探索包含有周末效应的关键特征与离院方式的因果关系，使用基于决策树的因果森林模型关键特征之间的非线性关系和交互作用，得到预测周末效应下住院患者离院方式的因果关系特征； 时间序列特征生成步骤：利用住院患者数据中入院时期的数据、手术时期的数据以及离院时期的数据组成的时间序列数据对向量自回归模型进行训练，向量自回归模型学习捕捉入院时期、手术时期、离院时期中各时间点上各变量的动态变化关系，应用动态时间规整技术衡量不同患者入院和手术过程的相似性，训练完成的向量自回归模型用于接收输入的住院患者的入院时期和手术时期的时间序列数据，计算各住院患者在时间序列上的相似程度，输出每位患者对应的一组入院-手术-离院方式的时间序列特征； 离院方式预测步骤：合并关键特征、因果关系特征和时间序列特征，并对合并后的特征进行预处理，再将预处理后的特征输入至长短期记忆网络，长短期记忆网络输出每个时间步的时序特征至全连接层；全连接层基于输入的时序特征，输出预测的每个时间步的离院方式； 住院资源调配步骤：根据预测的离院方式进行住院资源调配。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。