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！

龙图腾网获悉山东中医药大学附属医院申请的专利一种慢性病患者抑郁风险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：CN120299720B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510779228.3，技术领域涉及：G16H50/30；该发明授权一种慢性病患者抑郁风险预测方法是由滕晶;李甲民;解洪亭设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本一种慢性病患者抑郁风险预测方法在说明书摘要公布了：本发明提出一种慢性病患者抑郁风险预测方法，涉及慢性病患者抑郁风险预测领域。本发明提出的慢性病患者抑郁风险预测流程包括构建慢性病患者抑郁风险预测数据集，基于各因素数据的中位值构造偏差量序列，并将其映射为高维特征序列，计算其张力值及整体张力均值，引入自适应切换因子与非线性相位变换获得融合特征序列，采用滑动窗口提取融合特征序列的局部片段，计算局部片段的局部复杂度与趋势弯曲率，引入局部控制因子，生成多尺度路径权重，加权融合局部片段，生成各因素数据的最终特征表示，输入全连接神经网络计算各因素数据的慢性病患者抑郁风险预测值，并取均值作为最终预测值，该方法能协同利用局部变化与整体趋势，增强预测准确性。

本发明授权一种慢性病患者抑郁风险预测方法在权利要求书中公布了：1.一种慢性病患者抑郁风险预测方法，其特征在于，包括以下步骤： S1、收集影响慢性病患者抑郁风险的因素数据，构建慢性病患者抑郁风险预测数据集； S2、所述因素数据构成时间序列数据，获取每种因素时间序列数据的中位值，并计算每种因素时间序列数据与对应中位值之间的偏差量序列，通过非线性变换将偏差量序列映射为高维特征序列； S3、计算高维特征序列的张力值和整体张力均值，引入自适应切换因子，结合非线性相位变换，构建自适应切换演化模块，融合高维特征序列和局部张力变化，获得融合特征序列，具体步骤为： 构建自适应切换演化模块，更新所述高维特征序列的整体特征，包括以下步骤： S31、利用二阶与四阶张力控制超参数，分别对第种因素数据高维特征序列的逐元素平方及四次方结果进行联合加权整合，得到第种因素数据的张力值序列，进一步对第种因素数据在全序列范围内各时间步张力值进行归一化平均，获得第种因素数据的整体张力均值； S32、计算张力值与整体张力均值的绝对差值，结合归一化函数构建自适应切换因子，具体的数学模型为： ； 式中，为第种因素数据的自适应切换因子，为取绝对值操作，为稳定阈值的超参数； S33、利用自适应切换因子作为调节权重，结合非线性相位变化，融合高维特征序列和局部张力变化，获得融合后的融合特征序列，具体的数学模型为： ； 式中，为融合后的第种因素数据的融合特征序列； S4、采用滑动窗口机制将融合特征序列划分为多个连续局部片段，构建局部变化刻画模块，分别计算每个局部片段的局部复杂度和局部趋势弯曲率； S5、根据所述局部复杂度与局部趋势弯曲率，引入局部控制因子，依据局部控制因子与各局部片段中心的距离生成多尺度路径权重，将局部片段加权融合，获得每种因素数据的最终特征表示，具体步骤为： 在局部复杂度与局部趋势弯曲率的基础上，引入局部控制因子，对局部片段特征加权融合，具体包括以下步骤： S51、引入局部控制因子，非线性融合局部复杂度与局部趋势弯曲率两类局部特征指标，具体的数学模型为： ； 式中，为第种因素数据第个局部片段的局部控制因子，、分别为可学习的复杂度权重和弯曲率权重，为可学习的偏置项，为第种因素数据第个局部片段的局部复杂度，为第种因素数据第个局部片段的局部趋势弯曲率； S52、采用固定等距策略计算各局部片段对应的中心，根据控制因子与局部片段中心距离生成多尺度路径权重，具体的数学模型为： ； ； 式中，为第种因素数据第个局部片段中心，为第种因素数据第个局部片段对应的多尺度权重，为第种因素数据第个局部片段中心，为第种因素数据第个局部片段的局部控制因子，为时间序列长度，为滑动窗口大小，为滑动步长； S53、利用多尺度路径权重将第种因素数据的所有局部片段加权融合，获得最终第种因素数据的整体特征序列； S6、利用全连接神经网络计算每种因素数据的最终特征表示，获得慢性病患者抑郁风险预测值，将所有预测值相加后取平均值，作为最终慢性病患者抑郁风险预测值。

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山东中医药大学附属医院，其通讯地址为：250100 山东省济南市历下区文化西路42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”。