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！

龙图腾网获悉青岛大学申请的专利一种基于结构化临床数据的术前多并发症风险预测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：CN120998507B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511112292.2，技术领域涉及：G16H50/30；该发明授权一种基于结构化临床数据的术前多并发症风险预测方法及系统是由魏志强;卢云;刘昊;马晓东;孙品;解文韬;王亮设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本一种基于结构化临床数据的术前多并发症风险预测方法及系统在说明书摘要公布了：本发明属于医疗数据处理技术领域，公开一种基于结构化临床数据的术前多并发症风险预测方法及系统，该方法包括：将风险因素与并发症节点之间的因果关联录入知识图谱的边，计算各并发症之间的统计相关性，并补充至知识图谱中，对知识图谱进行网络嵌入训练，形成第一阶段模型，对并发症进行初步风险评估，将知识图谱以图神经网络方式建模，并与第一阶段模型联合训练，形成第二阶段模型输出最终并发症概率。本发明可以通过医学知识图谱与多关系图卷积网络的深度融合提高模型的可解释性与跨域一致性在样本量稀缺的专科依旧保持稳定与校准表现避免传统黑盒模型无法解释的问题，量化模型相较传统策略的收益增幅，便于评估实际应用价值。

本发明授权一种基于结构化临床数据的术前多并发症风险预测方法及系统在权利要求书中公布了：1.一种基于结构化临床数据的术前多并发症风险预测方法，其特征在于，包括： 将风险因素与并发症节点之间的因果关联录入知识图谱的边，计算各并发症之间的统计相关性，并补充至知识图谱中； 预先利用Node2Vec算法对知识图谱进行网络嵌入训练，获得嵌入向量并作为增广先验输入梯度提升树模型，形成第一阶段模型，并根据术前特征激活对应的风险节点，通过图谱中的邻域聚合，计算出每个并发症节点的知识图谱推理得分，将推理得分作为附加特征输入至第一阶段模型对并发症进行初步风险评估； 将知识图谱以图神经网络方式建模，并与第一阶段模型联合训练，形成第二阶段模型，并通过知识图谱将临床经验数据和医学机制融入第二阶段模型，对所有并发症的预测结果与对应的真实标签进行对比和调整，输出最终并发症概率； 基于第二阶段模型输出的并发症概率，对患者进行风险等级划分，评估不同阈值下模型的临床有效性，并定义综合风险分层用于总体管理，采用决策曲线分析方法，量化分析第二阶段模型在给定阈值下的临床有效性； 将测试集划分为若干子集，计算第二阶段模型在每个子集上的性能指标，并计算稳定性指数； 其中，所述将知识图谱以图神经网络方式建模，并与第一阶段模型联合训练，形成第二阶段模型，并通过知识图谱将临床经验数据和医学机制融入第二阶段模型，对所有并发症的预测结果与对应的真实标签进行对比和调整，输出最终并发症概率包括：构建多关系图，对风险因素节点以及并发症节点初始化，拼接后形成输入矩阵，采用多关系图卷积网络在知识图上执行消息传递，对应并发症节点的最后表示经Sigmoid激活输出校正概率；基于预测结果与对应真实标签进行对比，基于对比结果自动调整网络中可更新的参数； 所述构建多关系图，对风险因素节点以及并发症节点初始化，拼接后形成输入矩阵，采用多关系图卷积网络在知识图上执行消息传递，对应并发症节点的最后表示经Sigmoid激活输出校正概率包括： 在多关系图卷积网络完成层消息传递后，取每个并发症节点的最终表示向量，把图谱信息和第一阶段Logit融合到节点内部； 将通过线性变换转换为标量logit： 式中，； 对每个施加元素级Sigmoid： 式中，表示校正后的并发症发生概率。

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青岛大学，其通讯地址为：266000 山东省青岛市宁夏路308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。