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！

龙图腾网获悉中国医学科学院阜外医院申请的专利肺动脉高压发生概率预测模型的训练方法及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：CN119920461B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411846090.6，技术领域涉及：G16H50/30；该发明授权肺动脉高压发生概率预测模型的训练方法及预测方法是由赵智慧;杨涛;李欣;柳志红;罗勤;赵青;邓丽设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本肺动脉高压发生概率预测模型的训练方法及预测方法在说明书摘要公布了：本申请公开了一种肺动脉高压发生概率预测模型的训练方法及预测方法，训练方法包括获取多组历史影像数据；融合YOLOv6网络模型和特征自适应注意力模型，得到初始预测模型，特征自适应注意力模型用于自适应选择不同卷积核对不同尺度的通道特征进行提取及混洗；输入多组历史影像数据至初始预测模型进行训练，得到目标慢性血栓栓塞性肺动脉高压发生概率预测模型。本方法实现了基于YOLOv6网络模型及特征自适应注意力模型构建得到目标慢性血栓栓塞性肺动脉高压发生概率预测模型，有利于提高根据目标慢性血栓栓塞性肺动脉高压发生概率预测模型对慢性血栓栓塞性肺动脉高压发生概率进行预测的预测准确性及预测效率。

本发明授权肺动脉高压发生概率预测模型的训练方法及预测方法在权利要求书中公布了：1.一种肺动脉高压发生概率预测模型的训练方法，其特征在于，包括： 获取多组历史影像数据，每组历史影像数据包括一个用户的历史肺动脉造影动态影像、历史肺血管图像以及历史心电图，所述每组历史影像数据标注有历史慢性血栓栓塞性肺动脉高压发生概率； 融合第一特征提取模块、第二特征提取模块、特征混洗模块、第三特征提取模块以及融合模块，得到特征自适应注意力模型，所述特征自适应注意力模型用于自适应选择不同卷积核对不同尺度的通道特征进行提取及混洗，所述第一特征提取模块连接于所述第二特征提取模块及所述特征混洗模块，所述第二特征提取模块连接于所述特征混洗模块，所述特征混洗模块连接于所述第三特征提取模块及所述融合模块，所述第一特征提取模块包括第一1x1卷积层，所述第一1x1卷积层用于对所述多组历史影像数据进行特征提取，得到第一特征图；所述第二特征提取模块包括5x5深度可分离卷积层、选择性核网络层及9x9深度可分离卷积层，所述5x5深度可分离卷积层用于对所述第一特征图进行深度特征提取，得到第二特征图，所述选择性核网络层用于对所述第一特征图进行权重赋值，得到第三特征图，所述9x9深度可分离卷积层用于对所述第一特征图进行深度特征提取，得到第四特征图；所述特征混洗模块包括chunk函数，所述chunk函数用于对所述第一特征图、所述第二特征图、所述第三特征图及所述第四特征图进行混洗操作，得到第五特征图；所述第三特征提取模块包括依次连接的第二1x1卷积层及第三1x1卷积层，所述第二1x1卷积层用于对所述第五特征图进行特征提取，得到第六特征图，所述第三1x1卷积层用于对所述第六特征图进行特征提取，得到第七特征图；所述融合模块包括Concat层，所述Concat层用于对所述第五特征图及所述第七特征图进行融合，得到第八特征图； 融合YOLOv6网络模型的主干网络中的快速金字塔池化模块和所述特征自适应注意力模型，得到初始融合模型； 删除所述初始融合模型中的跨阶段局部模块，得到所述初始预测模型； 输入所述多组历史影像数据至所述初始预测模型进行训练，得到目标慢性血栓栓塞性肺动脉高压发生概率预测模型。

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中国医学科学院阜外医院，其通讯地址为：100037 北京市西城区北礼士路167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”。