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！

龙图腾网获悉南京理工大学申请的专利基于知识图谱神经网络的心室辅助装置适配度评估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：CN120853867B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202511381314.5，技术领域涉及：G16H40/40；该发明授权基于知识图谱神经网络的心室辅助装置适配度评估方法是由华越;吴威涛;蒋元源;吴鹏;陈鑫;王振常;王丽君;朱志伟设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本基于知识图谱神经网络的心室辅助装置适配度评估方法在说明书摘要公布了：本发明公开一种基于知识图谱神经网络的心室辅助装置适配度评估方法，通过搭建知识图谱神经网络，并进行训练及优化后形成适配度评估模型，实现对心室辅助装置适配度的智能评估；其中，知识图谱神经网络包括单模态图网络、全模态图网络以及模态预测融合和输出模块。本发明中用于缺失特征预测的图注意力补全模型与用于适配度打分的单模态全模态融合模型，能够为心室辅助装置适配度评估提供统一、可复现的计算途径。

本发明授权基于知识图谱神经网络的心室辅助装置适配度评估方法在权利要求书中公布了：1.基于知识图谱神经网络的心室辅助装置适配度评估方法，其特征在于，包括： 通过搭建知识图谱神经网络，并进行训练及优化后形成适配度评估模型，实现对心室辅助装置适配度的智能评估；其中，知识图谱神经网络包括单模态图网络、全模态图网络以及模态预测融合和输出模块； 单模态图网络由级联的第一线性映射层、第一和第二图注意网络、第二全局平均池化层、第一前馈神经网络和第一Sigmoid函数构成，其输入为对应模态的单模态图，输出为对应模态的适配度评估结果；每个单模态图的每个节点表示对应模态的单个特征，并根据知识图谱建立节点之间的边连接； 全模态图网络由级联的第二线性映射层、第一至第三注意力图卷积残差层、第二前馈神经网络和第二Sigmoid函数构成，其输入为将所有模态的单模态图的节点进行拼接、并根据知识图谱建立节点之间的边连接后得到的全模态图，输出为全模态适配度评估结果； 模态预测融合和输出模块由级联的拼接单元、多层前馈神经网络和第三Sigmoid激活函数构成，其输入为所有单模态图网络的输出和全模态图网络的输出，输出为最终的适配度评估结果； 第一注意力图卷积残差层由级联的第一注意力卷积单元、第二LeakyReLU激活函数、第三层归一化单元构成，并在第一注意力图卷积残差层的输入和第三层归一化单元之间引入残差连接；第二注意力图卷积残差层由级联的第二注意力卷积单元、第一Dropout正则化和第四层归一化单元构成，并在第二注意力图卷积残差层的输入和第四层归一化单元之间引入残差连接；第三注意力图卷积残差层由级联的第三注意力卷积单元和第三全局平均池化构成，并在第三注意力图卷积残差层的输入和输出之间引入残差连接； 第一图注意网络由级联的第一图注意力卷积单元、第一LeakyReLU激活函数和第一层归一化单元构成，第二图注意网络由级联的第二图注意力卷积单元、第一Dropout正则化和第二层归一化单元构成； 基于训练数据库对知识图谱神经网络进行训练及优化，训练数据库的构建步骤包括： 采集多模态心室辅助装置相关数据，并进行特征提取以及预处理；预处理包括缺失标注和缺失补全，在缺失检测时记录缺失位置并初始化为0，设置缺失标记embedding； 对预处理结果进行适配度标注，形成训练数据库； 通过跨模态数据补全模型进行缺失补全，跨模态数据补全模型由级联的知识图谱引导图构建层、图神经网络编码层、融合层以及输出层构成： 知识图谱引导图构建层用于构建图结构，图结构中的每个节点表示一个特征，并根据知识图谱建立节点之间的边连接； 图神经网络编码层由级联的第一线性变换层、第一和第二图注意网络以及第一全局平均池化层构成； 融合层由级联的第一和第二全连接层构成； 输出层中，融合层的输出先输入第三全连接层，再通过掩码筛选缺失对应的预测值。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道孝陵卫街200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。