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！

龙图腾网获悉中国科学院苏州生物医学工程技术研究所申请的专利基于多分支时空融合网络的日常生活活动能力评估方法及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：CN121171479B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511706348.7，技术领域涉及：G16H20/30；该发明授权基于多分支时空融合网络的日常生活活动能力评估方法及系统是由郭立泉;丁康佳;王计平;熊大曦;周炜楠;张博超设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本基于多分支时空融合网络的日常生活活动能力评估方法及系统在说明书摘要公布了：本发明公开了一种基于多分支时空融合网络的日常生活活动能力评估方法及系统。该方法包括：采集待评估对象的运动数据，并进行分割、降噪与标准化预处理，提取时频域特征及本发明所提的动作偏离度、动作相似度指数和双侧对称性指数；获取统一巴氏指数量表评分；将运动特征数据集与临床评分作为输入，基于多分支时空融合算法进行训练，构建多任务预测模型，实现ADL的自动评估。本发明创新引入多分支时空融合网络，充分利用任务间关联性，结合图神经网络增强空间特征提取能力，并通过跨层交互式注意力机制实现特征的自适应融合，显著提升了模型预测精度与评估可靠性，为运动功能障碍及失能失智患者的康复评估与个性化治疗提供了有效的技术支撑。

本发明授权基于多分支时空融合网络的日常生活活动能力评估方法及系统在权利要求书中公布了：1.一种基于多分支时空融合网络的日常生活活动能力评估方法，其特征在于，所述方法包括以下步骤： 步骤1，部署多传感器系统，需实现最大限度捕获关键运动信息的同时最小化传感器数量和佩戴不适； 步骤2，设定标准化日常生活活动能力评估任务即标准化ADL评估任务，包括多项ADL评估子任务； 步骤3，待测对象完成标准化ADL评估任务，在此过程中同步采集多传感器系统的数据； 步骤4，对步骤3采集的数据进行预处理，实现去噪的同时使得数据满足后续网络输入的要求，并进行特征提取，获得特征向量； 步骤5，构建并训练多分支时空融合网络，将所述特征向量输入到训练后的多分支时空融合网络中，生成每项ADL评估子任务评分以及ADL总评分；所述多分支时空融合网络分别捕捉空间特征和时间特征，并通过可学习的注意力机制自适应融合两类特征，同时生成每项ADL评估子任务评分以及ADL总评分； 步骤4中特征提取，具体包括： 1提取传统时频域特征，包括： 时域特征：包括均值、方差、峰值、峰度； 频域特征：包括主频率、频谱能量、带宽、谱熵、谐波比； 2提取临床可解释特征，包括： 动作偏离度ADD：定义为待测对象运动轨迹与健康参考模板之间的欧氏距离；所述健康参考模板是指健康对象运动轨迹； 动作相似度指数ASI：定义为待测对象运动模式与健康参考模式之间的余弦相似度；所述健康参考模式是指健康对象运动模式； 患侧-健侧对称性指数AUSI：定义为通过比较相应传感器数据测量待测对象患侧与健侧之间的对称性； 3提取空间姿态特征：由磁力计数据通过四元数转换计算得到空间姿态信息，包括躯干和上肢下肢的俯仰角、滚转角、航向角； 将上述1至3的所有特征组合为特征向量，N为样本量总数，M为特征向量的维度； 步骤5中所述多分支时空融合网络，具体包括： 1输入层 输入数据张量X∈N×T×C×S包含N个样本，每个样本含T个时间步，每个传感器包括C个通道，共S个传感器； 在网络开展处理前，需将输入数据张量重塑为，即将传感器维度与通道维度合并，以满足1D-CNN的输入格式要求； 同时，对输入数据张量进行归一化处理，使得输入数据张量均处于预设范围内； 2空间特征提取分支 采用1D-CNN捕获传感器间空间关系与局部运动模式，同时引入GNN处理传感器拓扑，提取传感器运动数据的空间特征； 3时序特征提取分支 采用双向LSTM建模时序依赖与动作阶段，提取传感器运动数据的时间特征； 4联合特征层 用于融合工程特征和深度学习特征；所述工程特征为步骤4中特征提取获得的特征向量，所述深度学习特征为空间特征提取分支、时序特征提取分支提取的特征； 5输出层 为分层输出结构，分别生成每项ADL评估子任务的评分以及ADL总评分。

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中国科学院苏州生物医学工程技术研究所，其通讯地址为：215163 江苏省苏州市高新区科技城科灵路88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。