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北京协和医院申请的专利吸烟者戒烟技能学习及戒烟干预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：CN120413085B 。

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：202510913739.X，技术领域涉及：G16H50/70；该发明授权吸烟者戒烟技能学习及戒烟干预系统是由侯小萌设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本吸烟者戒烟技能学习及戒烟干预系统在说明书摘要公布了：本发明提供一种吸烟者戒烟技能学习及戒烟干预系统，属于医疗保健信息技术领域，方法应用于移动终端，系统通过多端协同实现精准戒烟干预。穿戴设备端实时采集用户生理指标、睡眠质量、运动数据、心理数据和一氧化碳浓度；服务端基于深度学习框架构建神经网络预测模型，对采集数据进行分析，预测用户未来时段吸烟概率；手机应用端根据预测结果推送分级干预内容：当概率超过阈值时推送可视化吸烟危害科普；中概率时推送穴位按压等即时控烟提示；低概率时推送兴趣转移引导。本发明通过AI模型整合多源数据，构建“数据采集‑风险预测‑分级干预”闭环系统，动态生成个性化戒烟策略，同步提供技能学习模块与戒烟流程管理功能。

本发明授权吸烟者戒烟技能学习及戒烟干预系统在权利要求书中公布了：1.一种吸烟者戒烟技能学习及戒烟干预系统，其特征在于，包括： 穿戴设备端，用于采集用户的生理数据、睡眠数据、运动数据、心理数据和一氧化碳浓度数据；所述生理数据包括血压、血氧和心率；所述睡眠数据包括睡眠时长、深睡眠时间和浅睡眠时间； 服务端，用于基于所述用户的历史吸烟记录、所述用户的实时环境数据与生理数据，使用预训练的LSTM神经网络模型预测所述用户在未来预设时段内吸烟的概率；所述预训练的LSTM神经网络模型包括输入层、两层隐藏层和输出层，所述输入层接收的特征数据包括心率、收缩压、舒张压、压力指数、环境尼古丁浓度、体内尼古丁浓度、情绪、场景、地点和时间段十个特征数据；所述预训练的LSTM神经网络模型的第一隐藏层包含H1个神经元，采用ReLU激活函数：Z1=W1X_total+b1，A1=ReLUZ1，其中，A1是所述第一隐藏层的输出，ReLU是ReLU激活函数，X_total是总输入向量；所述预训练的LSTM神经网络模型的第二隐藏层包含H2个神经元，采用ReLU激活函数：Z2=W2A1+b2，A2=ReLUZ2，其中，A2是所述第一隐藏层的输出；所述预训练的LSTM神经网络模型的输出层包含1个神经元，采用sigmoid激活函数将预测结果映射至0,1：Z3=W3A2+b3，吸烟概率Y_hat=sigmoidZ3=11+exp-Z3；所述预训练的LSTM神经网络模型的损失函数L如下：L=-[YlogY_hat+1-Ylog1-Y_hat]，其中，Y是真实吸烟概率值； 手机应用端，用于基于所述服务端预测的吸烟的概率，推送介绍吸烟危害的多媒体内容，或者推送控制吸烟渴望提示信息，或者推送转移吸烟渴望的方法提醒； 所述穿戴设备端还用于基于所述一氧化碳浓度数据，计算得到尼古丁浓度；所述尼古丁浓度包括环境尼古丁浓度和人体尼古丁浓度；所述环境尼古丁浓度是空气中的尼古丁浓度，是基于空气中的一氧化碳浓度计算得到的；所述人体尼古丁浓度是人体中的尼古丁浓度，是基于所述用户呼出的一氧化碳浓度计算得到的； 环境尼古丁浓度=[CO]_{ppm}×K×MW_{尼古丁}MW_{CO}×CF； 其中，[CO]_{ppm}表示穿戴设备端传感器实测CO浓度；K表示烟草释放比例系数；MW_{尼古丁}表示尼古丁分子量；MW_{CO}表示CO分子量；CF表示环境校准因子，通风空间CF=0.3，密闭空间CF=1.2； 体内尼古丁浓度=呼出CO-环境CO÷0.920.16×α； 其中，呼出CO表示用户吹气10秒的末段平均值；环境CO表示同步测量的空气CO浓度；α表示个体代谢因子； 所述手机应用端还用于接收所述穿戴设备端上传的尼古丁浓度并存储后，生成尼古丁浓度曲线。

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北京协和医院，其通讯地址为：100730 北京市东城区王府井帅府园1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。