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！

龙图腾网获悉中国科学院深圳先进技术研究院;深圳理工大学申请的专利医学大数据的可解释性分析和增量学习方法及系统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：CN119724605B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411771921.8，技术领域涉及：G16H50/70；该发明授权医学大数据的可解释性分析和增量学习方法及系统是由王涵;潘毅;焦阳;索娅;丁玉连设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本医学大数据的可解释性分析和增量学习方法及系统在说明书摘要公布了：本发明提出了一种医学大数据的可解释性分析和增量学习及系统，该方法具体包括但不限于以下步骤包括：获取医学数据，对医学数据进行预处理得到预处理数据；分析网络基于预设的分析参数对预处理数据进行分析预测，得到预测结果；调用解释引擎对预测结果进行可解释处理，得到解释报告；生成显示界面，通过显示界面显示解释报告和预测结果；机器学习管道基于增量学习模式学习预测结果，得到分析结果中的增量信息；将增量信息传输至分析网络，基于增量信息调整分析参数。本发明通过增量学习模式和可解释性机制，使得医生能够直观的获取新病例基于深度学习模型的预测过程，提升了预测结果的可信程度。

本发明授权医学大数据的可解释性分析和增量学习方法及系统在权利要求书中公布了：1.一种医学大数据的可解释性分析和增量学习方法，其特征在于，应用于医学大数据的可解释性分析和增量学习系统，所述系统包括分析网络和机器学习管道，所述分析网络内设置有解释引擎；所述方法包括： 获取医学数据，对所述医学数据进行预处理得到预处理数据； 将所述预处理数据传输至所述分析网络，所述分析网络基于预设的分析参数对所述预处理数据进行分析预测，得到预测结果； 调用所述解释引擎对所述预测结果进行可解释处理，得到解释报告，所述解释引擎基于可解释性算法对所述预测结果进行所述可解释处理，所述可解释性算法包括SHAP算法和LIME算法，所述解释报告用于指示所述医学数据和所述预测结果的关联性； 生成显示界面，通过所述显示界面显示所述解释报告和所述预测结果； 将所述预测结果传输至所述机器学习管道，所述机器学习管道基于增量学习模式学习所述预测结果，得到所述预测结果中的增量信息； 将所述增量信息传输至所述分析网络，基于所述增量信息调整所述分析参数； 所述将所述预测结果传输至所述机器学习管道，所述机器学习管道基于增量学习模式学习所述预测结果，得到所述预测结果中的增量信息，包括：基于历史数据生成初始特征图谱，设置所述初始特征图谱的初始学习率、邻域权重大小以及随机权重向量，并基于所述初始特征图谱生成初始学习网络，其中，所述初始学习网络包括多个初始节点；将所述预测结果转换为预测向量，将预测向量输入至所述初始学习网络，所述初始学习网络基于所述预测向量对自身进行调整，得到增量学习网络；基于所述增量学习网络获取所述增量信息； 所述初始学习网络基于所述预测向量对自身进行调整，得到增量学习网络，包括：基于欧几里得几何识别获取所述预测向量的目标节点，其中，所述目标节点为所述初始节点中与所述预测向量最接近的节点；基于所述初始学习率，重复调整所述目标节点的权重向量和所述初始学习网络内的所述初始节点的数量；对所述目标节点与和所述目标节点的相邻节点进行模糊聚合，计算所述目标节点和所述相邻节点的相似度矩阵；基于所述相似度矩阵生成泛化层，对所述泛化层执行增量学习处理，得到所述增量学习网络; 所述基于所述初始学习率，重复调整所述目标节点的权重向量和所述初始节点的数量，包括：重复获取新的所述预测向量和所述预测向量对应的所述目标节点，增加所述目标节点的误差值，直至获取的所述目标节点为所述初始学习网络的边界节点；当获取到所述边界节点时，基于所述预测向量向所述初始学习网络中添加新节点，初始化所述新节点，以使所述新节点与所述新节点的相邻节点的权重匹配。

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科学院深圳先进技术研究院;深圳理工大学，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068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。