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！

龙图腾网获悉东南大学申请的专利一种基于小样本深度学习的慢性病并发症早期风险预警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：CN116682557B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310657353.8，技术领域涉及：G16H50/30；该发明授权一种基于小样本深度学习的慢性病并发症早期风险预警方法是由许婧怡;吴天星;戴浩宇设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种基于小样本深度学习的慢性病并发症早期风险预警方法在说明书摘要公布了：本发明公开了一种基于小样本深度学习的慢性病并发症早期风险预警方法，早期风险预警任务包括对慢性病患者数据进行收集处理，以及预测模型构建两个部分。对于数据收集和处理，使用Logistics回归分析和SVM‑RFE方法对不同并发症的生化检查数据进行特征因子筛选，对缺失值多的特征利用missForest方法进行数据插补；使用BioBERT模型对电子病历的门诊和住院文书做文本向量嵌入。再将得到的向量和并发症标签进行连接，形成数据形式。对样本数据类不平衡的问题，进行融合条件熵和TF‑IDF的HTTE过采样来解决小样本问题。对于预测模型构建部分，基于粒子群算法优化的DBN模型，利用分类器链方式构建多标签分类模型，在慢性病患病早期对并发症进行预测。

本发明授权一种基于小样本深度学习的慢性病并发症早期风险预警方法在权利要求书中公布了：1.一种基于小样本深度学习的慢性病并发症早期风险预警方法，其特征在于，包括如下步骤： 1数据收集：收集医院系统中慢性病并发症患者首次就诊的门诊和住院生化检查数据以及电子病历文书，并根据文书内容获取并发症强相关的疾病字典，排除首次就诊即患有相关并发症的患者， 2生化检查数据处理：对步骤1获得的生化检查数据进行处理，利用Logistics分析进行统计学意义上特征的选择，再使用SVM-RFE进一步进行特征排序和模型意义上的特征筛选，确定特征因子组合后，构建特征表，并使用missForest进行缺失值的数据插补， 3电子病历文书处理：对步骤1获得的电子病历文书进行处理，利用Biobert模型进行文本向量嵌入，并对结果向量进行主成分分析降维， 4类不平衡处理：对步骤2和3得到的生化检查向量、文书嵌入向量以及并发症标签进行拼接，形成数据格式[生化检查向量，文书嵌入向量，并发症单标签]，对于不均衡数据，使用融合条件熵和TF-IDF的HTTE过采样方法进行少数类样本集的创建，解决小样本问题，得到类平衡的数据集，划分得到模型训练所需训练集以及测试集， 5模型建立：建立基于粒子群算法优化的深度置信网络，对DBN隐藏层的神经元的个数和学习率进行寻优，所述模型包括输入层、四个隐藏层和输出层六层，所述输入层包括[生化检查向量，文书嵌入向量，并发症单标签]三方面的向量组合；所述隐藏层包含的神经元个数由粒子群算法寻优得到，进行标签相关性检验，确定分类器链结构，构建多标签数据集， 6模型训练：将步骤4获得的训练集数据输入步骤5建立的基于粒子群算法优化的深度置信网络模型进行训练，得到单标签训练完成的模型，再将步骤5获得的多标签数据集输入单标签训练后的模型进行模型调优，得到训练完成的模型， 7并发症早期风险预警：将步骤4获得的测试数据输入步骤6训练完成的模型中，对目标患者慢性病中后期是否会患有并发症进行预测。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。