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！

龙图腾网获悉南京麦豆健康科技有限公司申请的专利一种基于肌电压力与深度学习的方案智能推荐系统及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：CN120345910B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510821531.5，技术领域涉及：A61B5/389；该发明授权一种基于肌电压力与深度学习的方案智能推荐系统及方法是由郑伟峰;滕柱;吴恒龙设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种基于肌电压力与深度学习的方案智能推荐系统及方法在说明书摘要公布了：本发明公开了一种基于肌电压力与深度学习的方案智能推荐系统及方法，涉及深度学习技术领域，该方案智能推荐系统通过肌电压力一体电极同步采集盆底肌电信号与压力信号，提取前静息阶段、快肌阶段等各阶段的评估数据，结合用户的个人信息构建特征向量，经过标准化后，利用编码器将特征映射为高维特征，通过正弦余弦位置编码输入解码器，解码器生成方案推荐矩阵；此外，在模型训练中，通过交叉熵损失函数优化模型；本发明通过多数据融合与智能方案的生成，提高了盆底训练效率。

本发明授权一种基于肌电压力与深度学习的方案智能推荐系统及方法在权利要求书中公布了：1.一种基于肌电压力与深度学习的方案智能推荐系统，其特征在于：所述推荐系统包括：数据采集模块、数据处理模块、位置编码模块、编码器模块、解码器模块； 所述数据采集模块，用于采集用户的盆底肌电信号和压力信号，提取评估数据并对用户的个人信息进行采集； 所述数据处理模块，用于对所述评估数据和个人信息进行标准化处理，构建特征向量并将预设的组件信息统一成矩阵格式； 所述位置编码模块，用于对目标矩阵中每个元素的位置进行编码，生成位置编码矩阵； 所述编码器模块，用于将所述特征向量映射为高维特征向量，并拓展为特征矩阵； 所述解码器模块，用于将特征矩阵中的特征与位置编码进行融合，生成方案推荐矩阵； 所述位置编码模块包括： 使用正弦函数对所述目标矩阵中偶数列元素的位置进行位置编码，公式如下： ； 其中，PEpos,2i表示位置编码矩阵中第pos行、第2i列的元素，dmodel为Transformer模型的隐藏层维度； 使用余弦函数对所述目标矩阵中奇数列元素的位置进行位置编码，公式如下： ； 其中，PEpos,2i+1表示位置编码矩阵中第pos行、第2i+1列元素的位置编码； 所述编码器模块包括： 将所述特征向量输入到线性变换层进行线性变换，方式如下： ； 其中，Henc表示线性变换后的特征向量，We表示线性变换的权重矩阵，be表示线性变换的偏置向量； 将线性变换后的特征通过非线性激活函数进行处理得到扩展后的特征，记为；其中，表示扩展后的特征，表示线性变换后的特征向量，n表示所述特征向量的行数，m表示所述特征向量的列数；非线性变换方式如下： ； 其中，当输入特征x≥0时，输出为fx=x；当输入特征x＜0时，输出为fx=0； 所述解码器模块包括：自注意力层、跨注意力层、前馈网络层、组件预测层、概率矩阵重塑层； 所述自注意力层，为位置编码矩阵中的每个位置生成一个对应的位置索引，通过嵌入层将每个位置索引转换为向量记为；将所述位置编码矩阵中每个元素对应的位置编码与所述位置索引叠加，生成；其中，PE表示每个元素对应的位置编码，表示当前生成的位置； 所述跨注意力层通过跨注意力机制，将特征矩阵中的特征与位置编码进行融合，公式为： ； 其中，Q表示解码器当前层的输入，K、V均表示编码器模块扩展后的特征，表示当前位置对所有位置的关注程度； 所述前馈网络层对所述注意力机制的输出结果通过非线性变换进行升维，将升维后的输出结果通过线性变换进行降维，得到去除冗余信息后的特征矩阵； 所述组件预测层将前馈网络的输出结果通过非线性变换将特征维度映射到组件候选空间，通过Softmax生成概率分布，公式如下： ； 其中，表示第i个用户的第j个位置，选择k组件的概率，N表示候选空间的组件数； 所述概率矩阵重塑层，将融合后的特征矩阵按照n行m列进行分割，转变为n×m的矩阵，并在组件列表中，选择预测概率最大的组件填充所述特征矩阵，得到方案推荐矩阵。

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麦豆健康科技有限公司，其通讯地址为：210012 江苏省南京市雨花台区凤展路32号A2北；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”。