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！

龙图腾网获悉杭州倍佐健康科技有限公司申请的专利基于深度学习和多基因评分的心房颤动预测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：CN120167975B 。

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：202510652707.9，技术领域涉及：A61B5/361；该发明授权基于深度学习和多基因评分的心房颤动预测方法及系统是由张波;杨金钰;张宽设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本基于深度学习和多基因评分的心房颤动预测方法及系统在说明书摘要公布了：本发明提供一种基于深度学习和多基因评分的心房颤动预测方法，基于多模态数据融合，将心电图ECG信号、临床特征数据和多基因风险评分PRS相结合。通过整合深度学习模型、临床风险评分和多基因风险评分，显著提高AF预测的准确性和稳定性。其技术价值体现在：多源数据融合：首次在单一系统中结合ECG信号、临床数据和基因信息，提供全面的个体化风险评估；实时分析能力：基于ECG实时数据处理能力，可用于动态风险评估；临床决策支持：为医护人员提供科学量化的AF预测报告，辅助制定干预策略。

本发明授权基于深度学习和多基因评分的心房颤动预测方法及系统在权利要求书中公布了：1.一种基于深度学习和多基因评分的心房颤动预测方法，其特征在于，所述方法包括： S1、采集AF患者的临床数据：ECG数据、临床数据和基因数据； S2、调用预先部署的AF预测模型，识别AF患者的所述临床数据中的多模态数据特征，并预测出与所述多模态数据特征相对应的AF风险标签； 所述AF预测模型的生成方法，包括： 构建多模态数据集，包括若干AF患者历史上所诊断收集的ECG数据、临床数据和基因数据； 提取所述多模态数据集中的多模态数据特征，包括： 提取所述ECG数据中被诊断为AF的ECG信号；以及 提取所述临床数据中的AF患者的基本信息、影响AF的风险因素的病史信息、AF临床用药的药物信息和出现AF症状之时的临床检查结果；以及 提取所述基因数据中与心房颤动相关的SNP单核苷酸多态性信息； 对各AF患者的多模态数据特征进行特征标注，包括： 对诊断为AF的ECG信号标注为AF阳性、未诊断为AF的ECG信号标注为AF阴性；以及 对所述临床数据的标注：对于离散数据，则根据对应具体数值标注；对于分类数据，则根据其分类结果进行标注；否则标注为“缺失”；以及 对所述SNP单核苷酸多态性信息的标注：通过PRS多基因风险评分规则，加权计算对应的PRS值，根据PRS值标注对应的风险组别； 融合AF患者的ECG数据、临床数据和基因数据的特征标注结果，生成最终的AF风险标签，并添加至各AF患者的所述多模态数据特征上； 统计各AF患者的添加所述AF风险标签的所述多模态数据特征，组建用于所述AF预测模型训练的数据集，并按照预设比例划分为训练集、验证集和测试集； 以训练集作为多模态训练模型的输入，按照预设训练策略进行模型训练，生成所述AF预测模型；多模态训练模型的架构包括：ECG特征提取模块：基于CNN-LSTM网络，提取时空特征；临床特征模块：采用全连接网络，对结构化数据进行分类和风险分析；基因风险评分模块：利用线性回归模型对PRS值进行加权； 使用验证集验证所述AF预测模型的预测性能： 若验证通过，则使用测试集测试所述AF预测模型的处理性能：测试通过，则部署并应用所述AF预测模型，反之调整训练策略； 若验证未通过，则重组所述多模态数据集，重新训练； S3、将所述临床数据及所述AF风险标签中的AF风险评分，写入AF患者的电子病历档案中，生成AF风险评分报告。

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杭州倍佐健康科技有限公司，其通讯地址为：311108 浙江省杭州市临平区崇闲街道崇杭街1798号301室B302-2；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。