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！

龙图腾网获悉北京大学第三医院(北京大学第三临床医学院)申请的专利一种胎儿生长受限的预测方法、电子设备以及存储介质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：CN118983098B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411057017.0，技术领域涉及：G16H50/30；该发明授权一种胎儿生长受限的预测方法、电子设备以及存储介质是由杨静;张爱青;夏堃;赵扬玉;王劲卓;李瓅;陆宇星;黄娜娜;张有振;孙希雅;于洋;苏子悦;鲍雨桐;林泽阳设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本一种胎儿生长受限的预测方法、电子设备以及存储介质在说明书摘要公布了：本发明公开了一种胎儿生长受限的预测方法、电子设备以及存储介质，所述方法包括：获取孕妇当前胎盘的超声影像；将孕妇胎盘的超声影像输入基于稠密连接网络构建的胎盘功能状态判定模型，得到该孕妇当前胎盘功能状态的判定结果；其中，所述判定结果包括胎盘功能不良和胎盘功能正常；根据所述判定结果得到胎儿生长受限的预测结果；如果所述判定结果为胎盘功能不良，输出预测结果为胎儿生长受限；如果所述判定结果为胎盘功能正常，输出预测结果为胎儿生长正常。本申请通过训练得到的胎盘功能状态判定模型识别孕妇当前胎盘的胎盘功能状态，提高对胎盘功能不良定性的准确性，从而提高胎儿生长受限的准确性和及时性预测。

本发明授权一种胎儿生长受限的预测方法、电子设备以及存储介质在权利要求书中公布了：1.一种基于稠密连接网络的胎儿生长受限的预测方法，其特征在于，包括以下步骤： 获取孕妇当前胎盘的超声影像； 将孕妇胎盘的超声影像输入基于稠密连接网络构建的胎盘功能状态判定模型，得到该孕妇当前胎盘功能状态的判定结果；其中，所述判定结果包括胎盘功能不良和胎盘功能正常；所述胎盘功能状态判定模型采用线性分类层，激活函数ReLU如下： ； 其中，x为胎盘的超声影像像素矩阵值； 根据所述判定结果得到胎儿生长受限的预测结果；如果所述判定结果为胎盘功能不良，输出预测结果为胎儿生长受限；如果所述判定结果为胎盘功能正常，输出预测结果为胎儿生长正常； 训练得到所述稠密连接网络构建的胎盘功能状态判定模型，包括以下步骤： 对收集的大量孕妇胎盘的超声影像进行关于胎盘功能状态的标注，得到胎盘超声影像的数据集；其中，标签包括胎盘功能不良和胎盘功能正常； 构建稠密连接网络的深度神经网络模型，并为采用线性分类层的所述深度神经网络模型设置激活函数ReLU； 利用胎盘超声影像的数据集对稠密连接网络的深度神经网络模型使用K-fold进行交叉验证训练，得到所述胎盘功能状态判定模型； 所述利用胎盘超声影像的数据集对稠密连接网络的深度神经网络模型使用K-fold进行交叉验证训练，得到所述胎盘功能状态判定模型，包括： 将胎盘超声影像的数据集划分为K个子集，然后按照预设的批量大小、训练周期数、学习率进行训练；其中，在每次迭代中，K-1个子集用于训练的训练数据集，剩下的一个子集用于验证的测试数据集，将所述训练数据集中的胎盘超声影像全部输入所述深度神经网络模型进行训练，得到本次迭代训练数据集训练得到的深度神经网络模型；将所述测试数据集输入通过本次迭代训练得到的深度神经网络模型，得到测试数据集中数据样本的预测结果；根据测试数据集中样本的实际标签和预测结果计算性能评估指标； 记录每个epoch的训练中得到的迭代训练数据集训练得到的深度神经网络模型和对应的性能评估指标； 根据每个epoch训练得到的深度神经网络模型的性能评估指标得到性能最佳的epoch训练得到的深度神经网络模型作为胎盘功能状态判定模型； 所述根据每个epoch训练得到的深度神经网络模型的性能评估指标得到性能最佳的epoch训练得到的深度神经网络模型作为胎盘功能状态判定模型，具体为： 在每个epoch结束后，计算epoch的每项性能评估指标，在性能评估指标达到最低要求阈值时，当当前epoch的F1分数超过之前epoch时，保存当前epoch训练得到的深度神经网络模型到指定文件中； 当完成所有训练周期数，以指定文件中保存的深度神经网络模型为胎盘功能状态判定模型； 其中，所述性能评估指标包括测试的损失值、准确度、精确度、F1分数、召回率和ROCAUC。

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北京大学第三医院(北京大学第三临床医学院)，其通讯地址为：100080 北京市海淀区花园北路49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”。

以上内容由龙图腾AI智能生成。