南昌大学黄政获国家专利权
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！
龙图腾网获悉南昌大学申请的专利一种基于图神经网络和缺失特征预测的卒中复发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：CN120452806B 。
龙图腾网通过国家知识产权局官网在2025-09-12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：202510956177.7，技术领域涉及：G16H50/30；该发明授权一种基于图神经网络和缺失特征预测的卒中复发预测方法是由黄政;裘名凡;庞孟;李正宇;徐丽君;幸玮;宾清设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。
本一种基于图神经网络和缺失特征预测的卒中复发预测方法在说明书摘要公布了：本申请属于医疗数据处理技术领域，公开了一种基于图神经网络和缺失特征预测的卒中复发预测方法，该方法首先对收集的包含缺失值的患者临床数据进行预处理，利用未缺失特征训练预测模型以填充缺失特征值，得到完整特征数据；然后，基于完整特征数据构建特征图，其中节点表示特征，边表示特征间的相关性；最后，将所述特征图输入图神经网络模型进行训练，学习特征间的高阶交互关系，输出卒中复发预测结果，并可对特征重要性进行排序。本发明通过对缺失数据进行有效预测填充，并利用图神经网络挖掘特征间的复杂拓扑关系，提高了卒中复发预测的准确性和模型的鲁棒性，同时保留了医学可解释性。
本发明授权一种基于图神经网络和缺失特征预测的卒中复发预测方法在权利要求书中公布了：1.一种基于图神经网络和缺失特征预测的卒中复发预测方法，其特征在于，包括以下步骤： 步骤S1：获取包含患者基本信息、病史特征、检验指标及临床评分数据的多模态医学数据，对所述多模态医学数据进行预处理生成标准化特征向量；构建缺失特征预测模型，利用所述标准化特征向量中的未缺失特征作为输入，对缺失特征进行预测并填充，以生成完整特征数据； 步骤S2：基于完整特征数据，计算特征间的皮尔逊相关系数，筛选相关性排名前预设比例的特征构建特征图，图中节点表示特征，边权重为特征间的相关系数； 步骤S3：将所述特征图输入图神经网络模型，通过消息传递层聚合节点特征以生成各节点嵌入表示；利用前馈神经网络对节点嵌入进行线性映射，输出卒中复发概率的二分类结果； 步骤S4：根据图神经网络中的节点权重，计算各特征对预测结果的贡献度，生成可解释的特征重要性排序。
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昌大学，其通讯地址为：330000 江西省南昌市红谷滩区学府大道999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”。
以上内容由AI智能生成
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号