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！

龙图腾网获悉浙江大学申请的专利一种基于手工特征引导的多模态心脑疾病初筛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：CN119760639B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411824811.3，技术领域涉及：G06F18/25；该发明授权一种基于手工特征引导的多模态心脑疾病初筛系统是由李莹;周芸帆;孙煦雪;毛义华;冯辉;卢琦;秦爱红;张宝军;曾昊设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于手工特征引导的多模态心脑疾病初筛系统在说明书摘要公布了：本发明公开了一种基于手工特征引导的多模态心脑疾病初筛系统，包括：数据采集处理模块，用于采集多通道的生理信号数据并进行预处理；多粒度特征提取模块，用于对生理信号数据进行粗粒度特征提取，将提取的特征组成表格数据，作为粗粒度手工特征矩阵；同时，将生理信号数据经深度卷积网络后组成细粒度信号特征矩阵；特征融合模块，用于将粗粒度手工特征矩阵以注意力形式加权到细粒度特征矩阵，筛选除去重要性低的冗余特征，得到融合特征；初筛预测模块，通过将融合特征输入深度学习分类网络，输出心脑疾病患病结果，初步筛查心脑疾病发生风险。利用本发明，可以提升预测心脑疾病患病准确度，实现心脑疾病发生风险的初步筛查。

本发明授权一种基于手工特征引导的多模态心脑疾病初筛系统在权利要求书中公布了：1.一种基于手工特征引导的多模态心脑疾病初筛系统，其特征在于，包括： 数据采集处理模块，用于采集多通道的生理信号数据并进行预处理； 多粒度特征提取模块，用于对预处理后的生理信号数据进行粗粒度特征提取，将提取的特征组成表格数据，作为粗粒度手工特征矩阵；同时，将预处理后的生理信号数据经深度卷积网络后组成细粒度信号特征矩阵；对预处理后的生理信号数据进行粗粒度特征提取，具体为： 对脑电信号心电信号血氧饱和度血压呼吸频率提取通用频域特征Ffre和通用时域特征Ftime，对心电信号提取的心率变异性特征Fhrv；通用时域特征包括最大值、最小值、均值、标准差、方差、均方根值、偏度、峭度；通用频域特征包括频率均值、均方根频率、标准差频率；心率变异性特征包括基于相邻心搏之间时间间隔序列提取的RR间期标准差Fsdnn、RR间期均方根Frmssd、RR间期差值超过50ms次数Fnn50和所占百分比Fpnn50；将通用频域特征Ffre、通用时域特征Ftime、心率变异性特征Fhrv进行拼接，组成粗粒度手工特征 将预处理后的生理信号数据经深度卷积网络后组成细粒度信号特征矩阵，具体为： 对预处理后的多通道生理信号采用多层深度卷积网络逐层卷积，每一层中包含一对卷积层C1·、C2·和一个残差连接层R·；经如下公式，对多通道生理信号进行细粒度特征提取，得到细粒度特征Fsig 式中，l表示深度网络卷积层数； 特征融合模块，用于将粗粒度手工特征矩阵以注意力形式加权到细粒度特征矩阵，筛选除去重要性低的冗余特征，得到融合特征； 将粗粒度手工特征矩阵以注意力形式加权到细粒度特征矩阵，具体为： 将手工特征Fhand经全连接函数ffc·特征投影，投影后的手工特征为ffcFhand；再计算经粗粒度手工特征引导后的加权特征Fweight；将加权特征Fweight与经投影后的手工特征ffcFhand进行拼接，得到融合特征 计算经粗粒度手工特征引导后的加权特征，公式如下： Fweight＝softmaxffcFhand·FsigT·Fsig 式中，Fsig为细粒度特征； 初筛预测模块，通过将融合特征输入深度学习分类网络，输出心脑疾病患病结果，初步筛查心脑疾病发生风险。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。