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！

龙图腾网获悉西南医科大学附属医院申请的专利针对骨关节炎的术后康复阶段预估方法、设备及介质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：CN121237432B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511796708.7，技术领域涉及：G16H50/30；该发明授权针对骨关节炎的术后康复阶段预估方法、设备及介质是由廖婷婷;付庆;王剑雄设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本针对骨关节炎的术后康复阶段预估方法、设备及介质在说明书摘要公布了：本发明涉及康复数据管理技术领域，具体涉及针对骨关节炎的术后康复阶段预估方法、设备及介质，涉及康复数据管理领域，方法包括：获取患者对应的多维度预后因素；通过预先训练的机器学习模型输出患者对应的个性化术后康复阶段；定期对身体功能参数进行更新；对心理社会参数进行更新；通过多维度预后因素的更新参数，对个性化术后康复阶段进行更新。通过整合基础身体特征、术中参数、功能状态及心理社会等多维度预后因素，突破了传统模板化康复阶段的局限，能够为每位患者生成贴合其个人实际情况的康复阶段预估，实现对患者的康复阶段的个性化评估。

本发明授权针对骨关节炎的术后康复阶段预估方法、设备及介质在权利要求书中公布了：1.一种针对骨关节炎的术后康复阶段预估方法，其特征在于，包括： 获取患者对应的多维度预后因素；所述多维度预后因素包括基础身体特征参数、术中治疗参数、身体功能参数、心理社会参数； 根据所述多维度预后因素，通过预先训练的机器学习模型输出所述患者对应的个性化术后康复阶段； 基于所述患者佩戴的医疗传感器，定期对所述身体功能参数进行更新；并基于与所述患者之间的交互内容对应的分析结果，对所述心理社会参数进行更新； 通过所述多维度预后因素的更新参数，对所述个性化术后康复阶段进行更新； 所述机器学习模型的模型架构基于多模态时序感知Transformer架构设置，所述机器学习模型包括输入层、编码层、融合层、输出层； 所述输入层接收所述多维度预后因素； 所述编码层包括并列的静态编码模块、时序编码模块、心理社会模块； 所述静态编码模块对所述基础身体特征参数、所述术中治疗参数进行静态编码，输出静态表征向量； 所述时序编码模块对所述身体功能参数进行动态编码，输出时序上下文向量； 所述心理社会模块根据所述心理社会参数引入个性化变异系数，输出平滑扰动序列； 所述融合层将所述静态表征向量、所述时序上下文向量、所述平滑扰动序列进行融合，并根据融合结果生成所述患者对应的个性化术后康复阶段；所述个性化术后康复阶段包括多个子阶段，每个子阶段包括对应的持续时间、对应症状、恢复程度； 所述输出层输出所述个性化术后康复阶段； 所述心里社会模块根据所述心理社会参数引入个性化变异系数，输出平滑扰动序列，具体包括： 所述心里社会模块针对所述心理社会参数分别进行情感分析、关键词抽取、量表评分量化，分别得到对应的情感特征向量、关键词特征向量、量表得分向量；其中，所述情感特征向量基于BERT模型与情感分类头，将输入的心理社会参数进行情感分析输出得到；所述关键词特征向量基于TF-IDF算法或TextRank算法，识别与康复相关的关键主题和关注点，输出关键词集合得到；所述量表得分向量通过制定相应的规则，解析调查问卷对应的标准化量表的得分，量化心理状态得到； 将所述情感特征向量、所述关键词特征向量、所述量表得分向量进行拼接，得到结构化的心理社会指标元组； 对所述心理社会指标元组进行编码，得到心理状态表征向量；其中，心理状态编码器，包含全连接层和Tanh激活层； 设置有并列的随机种子生成器和扰动分布编码器；所述随机种子生成器将心理状态确定性地映射为随机数种子，生成个性化变异系数；所述扰动分布编码器，用于学习以心理状态为条件的扰动分布； 通过预定义权重矩阵对所述心理状态表征向量进行处理，得到心理社会原始评分；对所述心理社会原始评分进行位数转换处理，得到心理社会标准评分；对所述心理社会标准评分依次进行转换范围适配线性映射、非线性概率转换、临床范围适配线性映射，以将所述心理社会标准评分缩放得到对应的个性化变异系数； 将所述心理状态表征向量进行哈希，得到对应的整数型哈希系数；将所述整数型哈希系数作为伪随机数发生器的初始状态，生成符合所述心理状态表征向量的对应分布方式的随机数序列； 基于所述个性化变异系数，对所述随机数序列中包含的各随机数进行缩放；通过滤波器对缩放后的随机数序列进行平滑处理，得到平滑扰动序列； 将所述整数型哈希系数作为伪随机数发生器的初始状态，生成符合所述心理状态表征向量的对应分布方式的随机数序列之前，所述方法还包括： 通过已训练的非线性激活函数对所述心理状态表征向量进行映射，得到患者对应的稳定性评分；并基于所述心理状态表征向量与预先生成的基准表征向量之间的距离值，得到患者对应的极端性评分；其中，通过训练集中各患者的心理状态表征向量求均值，得到基准表征向量； 根据所述稳定性评分、所述极端性评分，在预设的多个分布方式中，选择所述心理状态表征向量的对应分布方式； 其中，若所述稳定性评分高于第一稳定阈值，且所述极端性评分低于第一极端阈值，则在预设的多个分布方式中，选择窄峰高斯分布； 若所述稳定性评分低于第二稳定阈值，或所述极端性评分高于第二极端阈值，则在预设的多个分布方式中，选择重尾分布； 否则，在预设的多个分布方式中，选择高斯混合分布。

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西南医科大学附属医院，其通讯地址为：646099 四川省泸州市江阳区太平街25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。