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 > 安徽理工大学苏树智获国家专利权

安徽理工大学苏树智获国家专利权

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!

龙图腾网获悉安徽理工大学申请的专利基于特征填充自编码器的血液透析患者生存预测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:CN119811658B

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:202411625547.0,技术领域涉及:G16H50/30;该发明授权基于特征填充自编码器的血液透析患者生存预测方法是由苏树智;王一帆;高济生;郑雪佳;朱彦敏;戴勇设计研发完成,并于2024-11-14向国家知识产权局提交的专利申请。

基于特征填充自编码器的血液透析患者生存预测方法在说明书摘要公布了:本发明专利公开了一种基于特征填充自编码器的血液透析患者生存预测方法,该方法解决了短期血透数据的不平衡和数据特征缺失的问题;首先,该方法利用非缺失特征的流形结构和高维数据空间中特征之间的内在关系,推断出缺失特征的值,然后,通过特征丢弃掩码的生成来模拟深度学习框架中的缺失数据分布,并设计一个特征填充自编码器,该模块利用容易获得的短期数据进行无监督学习,使编码器能够重建缺失特征并推导潜在表征,最后,使用基于潜在表征的分类器实现死亡率预测,本发明旨在利用短期血透数据来提供血液透析患者更准确的死亡率风险评估。

本发明授权基于特征填充自编码器的血液透析患者生存预测方法在权利要求书中公布了:1.一种基于特征填充自编码器的血液透析患者生存预测方法,包括以下步骤: 步骤一、收集血液透析患者的医疗数据,包括年龄、性别、透析期间的血压、血红蛋白水平、血清铁蛋白水平、收缩压和舒张压;对收集到的数据进行预处理,超过50%的数据缺失或在观察期间没有血液检查或透析记录的病例被排除在外,对观察期的血检结果取平均值,并使用6种常见定义计算溶栓性低血压的发生率,记录透析期间的收缩压和舒张压的最大值、最小值和平均值;创建用于无监督表示学习的自动编码器,所述无监督表示学习的自动编码器主要组件包括编码器和解码器,可表示为: h=gx 式中,输入向量x被编码器g映射为一个隐藏表示h,而解码器f将隐藏表示h映射回输出向量 表示损失函数,这个损失函数有助于改进编码器将高维数据有效压缩到低维特征空间的能力,从而促进对数据特征的无监督学习; 步骤二、通过基于特征填充自动编码器的自适应死亡率预测模型对不同程度特征缺失的血液透析患者数据进行死亡预测,所述基于特征填充自动编码器的自适应死亡率预测模型设计了损失函数LossAE的表达式,所述损失函数通过结合增强重构损失和正则项损失来提高自编码器的性能,以促进语义特征稀疏性,表达式为: 其中,LossAE与步骤一中损失函数为相同的损失函数,α是一个非负的超参数,所述自动编码器中的每个输入特征xi,k都与一个数据可信度掩码相关联,表达式为: 随机特征丢弃掩码表达式为: 输出被自编码器处理为gfxi⊙mi,增强后的重建损失,表达式为: 其中,N为样本量,⊙为逐元素乘积,β为一个非负超参数,放大了在训练期间对重建真实数据的关注;当β=0时,这简化为均方误差损失: 正则化项损失有助于控制模型复杂性和减少过拟合,这种损失分量的策略性混合使自适应特征提取模块能够有效地捕获和利用具有缺失数据的数据集中的高质量特征; 步骤三、检测预测样本质量,所述检测预测样本质量利用五种分类方法作为基准,采用F1分数和平均精度AP作为主要指标来评估模型的性能。

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安徽理工大学,其通讯地址为:232000 安徽省淮南市泰丰大街168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。