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！

龙图腾网获悉首都医科大学附属北京口腔医院申请的专利基于深度学习的麻醉深度实时评估方法及其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：CN118948218B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411086531.7，技术领域涉及：A61B5/00；该发明授权基于深度学习的麻醉深度实时评估方法及其系统是由曹晨设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本基于深度学习的麻醉深度实时评估方法及其系统在说明书摘要公布了：本发明涉及医疗技术领域，特别是涉及基于深度学习的麻醉深度实时评估方法及其系统，该方法包括以下步骤：获取患者的多模态生理信号，多模态生理信号包括脑电图、心电图、光电容积脉搏波、血压和呼吸信号；对多模态生理信号进行预处理；利用层级注意力融合网络对预处理后的多模态生理信号进行融合，得到融合特征；其中，层级注意力融合网络包括信号级注意力层、时间尺度注意力层和频率成分注意力层；基于动态时间窗口对融合特征进行时间尺度调整，得到调整后的特征；通过多模态信号融合和深度学习技术，麻醉深度评估准确率提高到95％，超过现有技术10个百分点，能够有效降低麻醉不足或过度的风险，提高手术安全性。

本发明授权基于深度学习的麻醉深度实时评估方法及其系统在权利要求书中公布了：1.基于深度学习的麻醉深度实时评估方法，该方法包括以下步骤： 获取患者的多模态生理信号，所述多模态生理信号包括脑电图EEG、心电图ECG、光电容积脉搏波PPG、血压BP和呼吸信号RESP；对所述多模态生理信号进行预处理； 其特征在于，该方法还包括： 利用层级注意力融合网络HAFN对预处理后的多模态生理信号进行融合，得到融合特征； 其中，所述层级注意力融合网络包括信号级注意力层、时间尺度注意力层和频率成分注意力层； 基于动态时间窗口DTW对所述融合特征进行时间尺度调整，得到调整后的特征； 其中，所述动态时间窗口采用强化学习方法，根据当前的信号特征和历史状态自适应地调整观察窗口的大小； 将所述调整后的特征输入多任务学习框架，同时预测麻醉深度分类、脑电频带能量比例、自主神经系统平衡指数和药物浓度； 根据所述多任务学习框架的输出，确定患者的麻醉深度，并生成麻醉深度分期图； 所述层级注意力融合网络HAFN的处理步骤包括：对输入的多模态生理信号应用信号级注意力，得到信号级融合特征；对所述信号级融合特征应用时间尺度注意力，得到时间尺度融合特征；对所述时间尺度融合特征应用频率成分注意力，得到最终的融合特征； 所述动态时间窗口DTW的实现步骤包括：定义状态空间，包括当前的信号特征和历史窗口大小；定义动作空间，包括调整窗口大小的幅度；定义奖励函数，基于信号稳定性和信息量；使用Actor‑Critic架构的强化学习模型，通过与环境交互，学习最优的窗口调整策略； 所述多任务学习框架的处理步骤包括：设置主任务为麻醉深度分类；设置辅助任务包括脑电频带能量比例预测、自主神经系统平衡指数预测和药物浓度估计；构建共享的特征提取网络和任务特定的输出层；定义多任务损失函数，综合考虑各任务的损失和权重；通过反向传播算法同时优化所有任务的性能； 还包括以下特征提取步骤： 计算相位同步指数PSI，用于量化不同脑区或不同生理信号间的同步性； 计算多尺度熵MSE，用于评估信号在不同时间尺度上的复杂度； 提取符号动力学特征SDF，将连续信号转换为符号序列，提取系统的动力学特征； 所述多任务学习框架采用如下优化的模型架构： 使用动态深度可分离卷积，根据输入特征的复杂度动态调整卷积核的大小和分组数； 在残差连接中引入注意力机制，实现注意力引导的跳跃连接； 采用自适应激活函数，根据不同层的需求自动调整激活函数的参数。

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首都医科大学附属北京口腔医院，其通讯地址为：100050 北京市东城区天坛西里4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。