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！

龙图腾网获悉南京工业大学申请的专利一种虚拟手术过程中反馈力预测方法和装置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：CN121075559B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511588558.0，技术领域涉及：G16H20/40；该发明授权一种虚拟手术过程中反馈力预测方法和装置是由严天一;张小瑞;姚旭婧;陆涛;尚倩倩设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本一种虚拟手术过程中反馈力预测方法和装置在说明书摘要公布了：本发明公开了一种虚拟手术过程中反馈力预测方法和装置，属于虚拟手术过程中反馈力预测技术领域，反馈力预测方法包括：响应于虚拟手术过程中检测到碰撞，获取预测所需数据和更新所需数据；基于更新所需数据，采用轻量化在线学习策略对训练好的TCN‑Transformer并行增强型时序融合模型进行动态更新；将预测所需数据输入到该模型中，获得组织形变预测值和反馈力预测值；基于组织形变预测值和组织形变计算值计算组织形变预测误差；若组织形变预测误差小于预设的决策阈值，则将反馈力预测值作为最终预测结果。本发明通过预测代替计算显著降低反馈力输出延迟，通过动态更新适应突发操作变化，维持预测精确度。

本发明授权一种虚拟手术过程中反馈力预测方法和装置在权利要求书中公布了：1.一种虚拟手术过程中反馈力预测方法，其特征在于，包括： 响应于虚拟手术过程中检测到碰撞，获取用户操作参数、生物力学参数、历史组织形变、历史反馈力、组织形变计算值、实时组织形变和实时反馈力； 基于用户操作参数、生物力学参数、实时组织形变和实时反馈力，采用轻量化在线学习策略对训练好的TCN-Transformer并行增强型时序融合模型进行动态更新； 将用户操作参数、生物力学参数、历史组织形变和历史反馈力输入到动态更新后的TCN-Transformer并行增强型时序融合模型中，获得组织形变预测值和反馈力预测值； 基于组织形变预测值和组织形变计算值计算组织形变预测误差； 若组织形变预测误差小于预设的决策阈值，则将反馈力预测值作为最终预测结果； 所述TCN-Transformer并行增强型时序融合模型包括并行的TCN分支和Transformer分支，以及用于融合TCN分支和Transformer分支的输出的融合门控层； 所述TCN分支包括依次连接的输入层、L层空洞卷积块和第一输出层，各层空洞卷积块之间还设有残差连接，其中，L层空洞卷积块能够覆盖的数据帧大于或等于虚拟手术的平均持续时间，当所述虚拟手术为虚拟肝癌切除手术时，L大于或等于5； 所述Transformer分支包括依次连接的输入层、多头注意力层和第二输出层，所述多头注意力层包括H个并行的自注意力头，当所述虚拟手术为虚拟肝癌切除手术时，H=8； 所述基于用户操作参数、生物力学参数、实时组织形变和实时反馈力，采用轻量化在线学习策略对训练好的TCN-Transformer并行增强型时序融合模型进行动态更新，包括： 将用户操作参数、生物力学参数、实时组织形变和实时反馈力作为特征，构建在线特征向量； 对在线特征向量进行特征重要性分析，得到各特征的特征重要性分数； 将训练好的TCN-Transformer并行增强型时序融合模型中的权重划分为关键权重集和基础权重集，所述关键权重集包括所述融合门控层的权重、所述第一输出层的权重、所述第二输出层的权重和所述TCN分支中的高层卷积权重，所述基础权重集包括所述残差连接中的投影矩阵、所述Transformer分支中的注意力投影矩阵和所述TCN分支中的低层卷积权重；所述高层卷积权重为所述TCN分支中第[L2]层空洞卷积块至第L层空洞卷积层的权重，所述低层卷积权重为所述TCN分支中第一层空洞卷积块至第[L2]-1层空洞卷积块的权重；其中，[]表示向下取整函数； 通过各特征的特征重要性分数计算各特征的决策函数值； 根据各特征的决策函数值对关键权重集和基础权重集中的权重进行选择性更新。

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工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30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。