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！

龙图腾网获悉山东第一医科大学附属省立医院(山东省立医院)申请的专利一种基于临床特征的中枢神经疾病针刺响应预测方法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：CN120585285B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511086405.6，技术领域涉及：A61B5/00；该发明授权一种基于临床特征的中枢神经疾病针刺响应预测方法是由韩科;赵凯设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本一种基于临床特征的中枢神经疾病针刺响应预测方法在说明书摘要公布了：本发明涉及针刺响应预测技术领域，公开了一种基于临床特征的中枢神经疾病针刺响应预测方法；其中，频谱嵌入网络模块通过多层次的特征嵌入方式捕捉不同层次的频率变化，进而对每个特征引入动态频谱扰动，评估特征在频率域中的贡献，并动态调整模型对特征的学习权重，最终结合频谱扰动分析提取关键频率成分；频谱特征的自适应解码模块则通过扰动响应能量构造加权矩阵，对频谱分量逐通道加权后输入至自适应频谱解码机制，实现频带级的解耦变换与聚合，并通过频谱分区加权融合机制，以扰动响应主导的能量比例融合低频与高频子带，从而实现多频信息的高效解析与整合，增强模型对针刺响应的判别能力，以解决对中枢神经疾病针刺响应预测问题。

本发明授权一种基于临床特征的中枢神经疾病针刺响应预测方法在权利要求书中公布了：1.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现以下步骤： S1、对数据集进行预处理，包括对所述数据集中的缺失数据填补、异常数据识别与剔除和归一化处理；其中数据集的构建是通过采集中枢神经疾病患者的针刺响应相关信息来构建的；对数据集进行系统预处理，包括缺失数据的填补、异常数据的识别与剔除、数值统一归一化处理，以及预测标签的一致性与完整性校验；其中，数据集是通过采集中枢神经疾病患者的针刺响应相关信息来构建的，这里相关信息涵盖患者的人口统计数据、临床体征指标、神经功能评估结果及响应结果； S2、构建频谱嵌入网络模块，通过多层特征嵌入提取不同频率层级的特征成分，结合动态频谱扰动机制，度量各特征对响应的切合度，并调整特征学习权重，最终根据值筛选扰动响应的特征用于后续分析； S3、设计频谱特征的自适应解码模块，首先根据扰动能量构造通道加权矩阵对频谱特征进行逐通道赋权，再通过频带级的结构解耦与融合操作实现多频信息的层级重构，最终依据扰动主导能量比例将低频与高频特征进行加权融合； 所述S2中，引入自适应频谱扰动机对每个频谱分量加入特定方向的微小扰动，所述微小扰动为通过引入扰动向量得到加入扰动后的频谱表示，通过计算扰动前后能量的变化来衡量频率成分对模型输出的影响程度，具体而言，对于每个频率分量，分别计算其原始能量与扰动后的能量差值，并将能量差值作为频率维度的扰动响应强度，其数学模型为： ； 式中，为第r个特征的扰动能量响应，反应扰动对预测结果的影响，为原始频谱的能量，为扰动后的频谱的能量，总体反映扰动对频率成分的影响，为扰动幅度，控制扰动对频谱的影响程度，为加入扰动后的频谱表示；在完成频谱扰动响应能量的计算后，模型将每一个频率成分的响应强度作为度量指标，随后，根据扰动响应的能量变化是否超过设定的阈值对频谱中各个特征进行筛选，被筛选出的特征共同构成最终的频谱特征集合，作为后续模型输入使用； S3中，所述频谱特征的自适应解码模块，包括：首先根据各频率成分的扰动响应强度对其进行归一化处理，获得每个频段的权重；随后，构建一个对角加权矩阵，用于对频谱特征进行通道级的动态加权，得到加权后的频谱特征表示，的数学模型为： ；随后，定一个频率划分阈值，用于将频率划分为低频段与高频段，其中低频段索引为，高频率段索引为，对于索引根据谱能量分布动态选取，随后构造低频与高频频谱子带，将扰动加权后的频谱分量进行分段提取，低频段的子向量为：，高频段的子向量为：；模型分别提取低频与高频的子向量表示，并根据设定的融合系数对二者进行加权组合，最终构成频谱层级融合后的特征表示； 将加权后的频谱特征输入到频率自协整变换的结构响应解码器中，所述频率自协整变换的结构响应解码器通过自适应机制对每个频带的贡献进行动态调整，首先需要进行频谱协整残差变换，对于样本，先计算其频谱特征中任意两维和的线性残差，其数学模型为： ； 式中，为第个频谱特征，为第个频谱特征，为最小残差拟合得到的协整系数；随后构造协整结构约束，将所有协整残差组合成一个结构矩阵，其数学模型为： ； 式中，为样本的协整残差组合矩阵，所述协整残差组合矩阵包含所有频谱特征之间的协整偏离度，用于度量跨频带的稳定依赖结构；随后引入非线性协整响应函数，所述非线性协整响应函数由一组可训练的线性变换矩阵和非线性激活函数构成，将协整残差组合矩阵作为输入，提取其结构响应特征；最终，所提取的结构响应特征输入至解码器的输出层，通过线性加权与偏置项修正，生成样本的预测结果，实现基于频谱协整结构的针刺响应精准预测。

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山东第一医科大学附属省立医院(山东省立医院)，其通讯地址为：250021 山东省济南市槐荫区经五路324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。