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！

龙图腾网获悉华南农业大学申请的专利一种基于随机森林与LSTM神经网络的高血压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：CN119905261B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510133779.2，技术领域涉及：G16H50/30；该发明授权一种基于随机森林与LSTM神经网络的高血压预测方法是由冯婉媚;徐文俊;刘俊宇;胡俊承;陈晓宇;周游天;申庆荣;叶溪;舒鑫;徐文辉设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本一种基于随机森林与LSTM神经网络的高血压预测方法在说明书摘要公布了：本发明公开了一种基于随机森林与LSTM神经网络的高血压预测方法，属于医疗数据处理技术领域，包括：获取患者的样本信息，建立信息收集库；对预处理后的样本信息通过随机森林进行特征重要性分析；通过注意力机制计算每个关键特征的权重，并生成加权后的特征表示；将加权后的特征表示输入到神经网络生成上下文向量；将上下文向量输入到多层感知机进行预测输出；根据预测输出和真实值优化多层感知机、注意力机制以及神经网络，以得到预测模型；向预测模型输入样本信息得到高血压预测结果。所述基于随机森林与LSTM神经网络的高血压预测方法解决了现有的预测方法难以实现对个体患病风险的精准预测的问题。

本发明授权一种基于随机森林与LSTM神经网络的高血压预测方法在权利要求书中公布了：1.一种基于随机森林与LSTM神经网络的高血压预测方法，其特征在于，包括以下步骤： S1：获取患者的样本信息，建立信息收集库；对信息收集库中的样本信息进行预处理； S2：对预处理后的样本信息通过随机森林进行特征重要性分析，以根据特征重要性分析从预处理后的样本信息中筛选出对高血压预测具有影响力的特征作为关键特征； S3：通过注意力机制计算每个关键特征的权重，并生成加权后的特征表示，其中加权后的特征表示按权重的大小排序形成序列数据；随后，将加权后的特征表示输入到LSTM神经网络，以通过LSTM神经网络捕捉序列数据中的动态特征并生成上下文向量；最后，将上下文向量输入到多层感知机MLP进行预测输出；根据预测输出和真实值优化多层感知机MLP、注意力机制以及LSTM神经网络，以得到预测模型； 在所述步骤S3中，通过预测输出和真实值计算损失函数，然后通过反向传播算法依次计算损失函数对多层感知机MLP的参数的梯度、注意力机制的参数的梯度和LSTM神经网络的参数的梯度，以优化多层感知机MLP、注意力机制和LSTM神经网络对应的参数；利用参数优化后的多层感知机MLP、注意力机制和LSTM神经网络组成预测模型； 所述优化多层感知机MLP、注意力机制和LSTM神经网络对应的参数的步骤为：；其中为更新后的参数值，表示当前迭代的参数值，是学习率；对于多层感知机MLP，为损失函数对多层感知机MLP的参数的梯度；对于注意力机制，为损失函数对注意力机制的参数的梯度；对于LSTM神经网络，为损失函数对LSTM神经网络的参数的梯度； 或者，所述优化多层感知机MLP、注意力机制和LSTM神经网络对应的参数的步骤为：；其中为更新后的参数值，表示当前迭代的参数值，是学习率，用于防止除零错误；修正后的梯度一阶矩，，是当前迭代中的梯度一阶矩估计，是前一个迭代中的梯度一阶矩估计，是控制一阶矩估计衰减速率的超参数，是当前迭代的梯度；修正后的梯度二阶矩，，是当前迭代中的梯度二阶矩估计，是前一个迭代中的梯度二阶矩估计，是控制二阶矩估计衰减速率的超参数，是当前梯度的平方；对于多层感知机MLP，为损失函数对多层感知机MLP的参数的梯度；对于注意力机制，为损失函数对注意力机制的参数的梯度；对于LSTM神经网络，为损失函数对LSTM神经网络的参数的梯度； S4：向预测模型输入样本信息得到高血压预测结果。

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华南农业大学，其通讯地址为：510000 广东省广州市天河区五山路483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”。