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！

龙图腾网获悉陕西省人民医院(陕西省临床医学研究院)申请的专利基于深度学习的神经内科病情分析方法、系统和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：CN120299687B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510779983.1，技术领域涉及：G16H50/20；该发明授权基于深度学习的神经内科病情分析方法、系统和介质是由袁婕设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本基于深度学习的神经内科病情分析方法、系统和介质在说明书摘要公布了：本发明公开了基于深度学习的神经内科病情分析方法、系统和介质，包括如下步骤：S1、获取数据执行预处理；S2、构建时序卷积神经网络模型；S3、采用改进烟花算法对结构参数集合进行全局搜索优化，生成结构优化的时序卷积神经网络模型；S4、采用改进水波优化算法依据偏振向量调整扰动方向与幅度，获得最优超参数配置；S5、训练模型；S6、输入数据，加载至边缘计算设备执行推理任务，呈现预测结果。本发明实现了神经病情智能识别的高精度预测与模型部署效率的同步提升。

本发明授权基于深度学习的神经内科病情分析方法、系统和介质在权利要求书中公布了：1.基于深度学习的神经内科病情分析方法，其特征在于，包括如下步骤： S1、获取神经内科患者的脑电图时序信号数据，执行预处理； S2、构建包含结构参数集合的时序卷积神经网络模型； S3、采用改进烟花算法对结构参数集合进行全局搜索优化，基于结构参数维度生成结构参数组合并进行训练，构建结构合法性校验模块剔除不满足网络配置规则的结构参数组合，构建多目标适应度函数，对所有结构参数组合进行评分，引入逆适应度扰动机制，选取适应度最高的结构参数组合，生成结构优化的时序卷积神经网络模型； S4、设定超参数集合，为每组超参数附加偏振向量，采用改进水波优化算法在每轮训练中传播、反射与折射超参数解，依据偏振向量调整扰动方向与幅度，基于多目标适应度函数进行评估，在扰动后适应度下降时触发超参数扰动自修复机制，迭代获得最优超参数配置； S5、在最优结构参数组合与最优超参数配置控制下，训练结构优化的时序卷积神经网络模型，获得最终分析模型； S6、将预处理后的脑电图时序信号数据输入所述最终分析模型，获得病情阶段分类结果与病情趋势预测结果，生成部署版本，加载至边缘计算设备执行推理任务，将病情阶段分类结果与病情趋势预测结果呈现； 所述S3具体包括： S31、设定结构参数搜索空间，将每一组结构参数组合为一个结构向量； S32、将结构参数搜索空间中的结构向量作为初始爆炸中心，对每个初始爆炸中心根据对应时序卷积神经网络模型在验证集上的预测性能计算适应度值，基于适应度值动态设定自适应爆炸半径； S33、以每个初始爆炸中心和对应的爆炸半径为基础，在邻域内生成新的结构参数组合，对生成的结构参数组合执行结构合法性校验，仅保留满足神经网络构建规则的结构参数组合； S34、将满足神经网络构建规则的结构参数组合分别配置至时序卷积神经网络模型，在训练集上训练，记录验证集上的准确率、训练轮数和资源占用信息，计算综合适应度得分，衡量该结构的总体性能； S35、在适应度排名靠后的爆炸中心中引入逆适应度扰动策略，在迭代过程中持续更新爆炸中心集合； S36、重复执行步骤S32至S35，直至达到设定的最大搜索轮数或全局适应度收敛标准，最终确定适应度最高的结构参数组合作为时序卷积神经网络模型的结构配置，生成结构优化模型； 所述S35中的逆适应度扰动策略包括：在每轮结构参数组合搜索迭代过程中，确定当前爆炸中心集合中适应度值低于中位数的部分结构参数组合作为低适应度爆炸中心集合，对低适应度爆炸中心集合中的每个结构参数组合，增加火花生成数量，在搜索邻域内扩大扰动范围，动态提升爆炸半径值，依据扩大后的爆炸半径值，在搜索空间中生成新一轮结构参数组合，纳入下一轮爆炸中心候选集中。

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陕西省人民医院(陕西省临床医学研究院)，其通讯地址为：710068 陕西省西安市碑林区友谊西路256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”。