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)申请的专利基于多模态深度学习的STEMI与NSTEMI的自动识别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：CN120579072B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511083295.8，技术领域涉及：G06F18/2415；该发明授权基于多模态深度学习的STEMI与NSTEMI的自动识别方法及系统是由杨志云;唐熠达;左锐;王文尧;汪京嘉;余洋设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本基于多模态深度学习的STEMI与NSTEMI的自动识别方法及系统在说明书摘要公布了：本发明提供了基于多模态深度学习的STEMI与NSTEMI的自动识别方法及系统，属于医疗人工智能技术领域，包括：步骤1：搭建混合神经网络构架；基于总损失函数对所述混合神经网络构架进行优化，得到优化神经网络，将12导联的ECG信号输入到所述优化神经网络的输入层进行预处理，并依次基于多尺度CNN特征提取模块、Transformer时序建模模块以及多任务输出头得到STEMI与NSTEMI的异常特征；对STEMI与NSTEMI的异常特征进行滑动窗口处理，并基于分层级报警策略进行报警输出，同时，基于Grad‑CAM生成热力图供医生通过热力图验证模型关注区域是否合理。以心电图为基础提高对STEMI与NSTEMI的识别精度及效率。

本发明授权基于多模态深度学习的STEMI与NSTEMI的自动识别方法及系统在权利要求书中公布了：1.一种基于多模态深度学习的STEMI与NSTEMI的自动识别方法，其特征在于，包括： 步骤1：搭建混合神经网络构架，其中，所述混合神经网络构架由输入层、多尺度CNN特征提取模块、Transformer时序建模模块以及多任务输出头构成； 步骤2：基于总损失函数对所述混合神经网络构架进行优化，得到优化神经网络，其中，总损失函数的ST段样本对应STEMI标签、非ST段样本对应NSTEMI标签； 步骤3：将12导联的ECG信号输入到所述优化神经网络的输入层进行预处理，并依次基于多尺度CNN特征提取模块、Transformer时序建模模块以及多任务输出头得到STEMI与NSTEMI的异常特征； 步骤4：对STEMI与NSTEMI的异常特征进行滑动窗口处理，并基于分层级报警策略进行报警输出，同时，基于Grad-CAM生成热力图供医生通过热力图验证模型关注区域是否合理； 其中，对STEMI与NSTEMI的异常特征进行滑动窗口处理，包括： 对所述STEMI与NSTEMI的异常特征进行异常维度拆分，且结合与时间点的对照关系，将每个维度上的异常在输入的12导联的ECG信号上的对应时间点进行标注，得到每个维度上的异常分布； 构建每个时间点的异常集确定异常维度数量以及异常程度，并从数量-程度-标签对照表中匹配得到第一标签赋予给对应时间点； 根据滑动窗口的方式从输入的12导联的ECG信号初始时间点开始，得到各个窗口下的标签序列； 分析每个窗口下的标签序列的异常连续性，并随机筛选N1组连续三个序列下的异常连续性，且结合每组连续三个序列的整体特征以及每个序列下的局部特征与整体特征的相关关系，分析每组下异常连续性的连续变化方向，其中，所述连续变化方向包括：方向一致变化、方向增强变化、方向衰减变化以及方向混乱变化； 统计每种变化方向下的出现频次，并筛选最大频次下的变化方向作为最终变化方向； 依赖所述最终变化方向下的所有异常连续性确定窗口调节系数，且结合预设步长，对所述滑动窗口进行大小调整，并进行滑动窗口处理。

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：100191 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。