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！

龙图腾网获悉广东医科大学附属医院申请的专利一种基于可迁移时空掩码Transformer的无症状心肌梗塞预测方法和相关设备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：CN121617642B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610148569.5，技术领域涉及：G16H50/30；该发明授权一种基于可迁移时空掩码Transformer的无症状心肌梗塞预测方法和相关设备是由杨宇;杨承林;谢杨;邓海莲;吴朝;王欢;吴栋;漆沁琦;何来鹏;刘广雁;陈振飞;林立尧设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本一种基于可迁移时空掩码Transformer的无症状心肌梗塞预测方法和相关设备在说明书摘要公布了：本申请公开了一种基于可迁移时空掩码Transformer的无症状心肌梗塞预测方法和相关设备，方法包括：对基于心电图数据构建的心电图特征序列进行时空掩码建模与模型的自监督预训练，得到预训练的心电图特征提取器；利用小样本数据集对预训练的心电图特征提取器进行迁移微调，构建用于无症状心肌梗塞识别的目标心电图特征提取器；通过目标心电图特征提取器提取目标对象的心电图特征表示，并基于特征提取模块对目标对象的心脏磁共振成像及临床结构化数据进行特征提取与建模，再对多模态特征进行自适应融合，最后基于融合特征生成无症状心肌梗塞风险预测结果。本申请能够实现对无症状心肌梗塞的早期精准预测，可广泛应用于人工智能技术领域。

本发明授权一种基于可迁移时空掩码Transformer的无症状心肌梗塞预测方法和相关设备在权利要求书中公布了：1.一种基于可迁移时空掩码Transformer的无症状心肌梗塞预测方法，其特征在于，所述方法包括以下步骤： 获取原始多模态训练数据；其中，所述原始多模态训练数据包括原始心电图数据、原始心脏磁共振成像数据以及原始临床结构化数据； 对所述原始多模态训练数据进行预处理，得到目标多模态训练数据；其中，所述目标多模态训练数据包括心电图特征序列和小样本数据集； 将所述心电图特征序列输入可迁移时空掩码Transformer，结合生成式掩码机制对所述心电图特征序列进行时空掩码建模，生成时空掩码特征； 根据所述时空掩码特征对所述可迁移时空掩码Transformer进行自监督预训练，并结合迁移学习根据所述小样本数据集对经过自监督预训练的所述可迁移时空掩码Transformer进行迁移微调，得到心电图特征提取器； 获取待预测对象的当前心电图数据，并通过所述心电图特征提取器对所述当前心电图数据进行特征提取，生成当前心电图特征表示； 采用缺失模态自适应多模态融合机制，对所述当前心电图特征表示、所述待预测对象对应的当前心脏磁共振成像特征表示及当前临床结构化特征表示进行融合，生成多模态融合特征表示； 将所述多模态融合特征表示输入无症状心肌梗塞风险分类器，生成无症状心肌梗塞风险预测结果； 其中，所述将所述心电图特征序列输入可迁移时空掩码Transformer，结合生成式掩码机制对所述心电图特征序列进行时空掩码建模，生成时空掩码特征，包括： 将所述心电图特征序列输入所述可迁移时空掩码Transformer； 通过所述可迁移时空掩码Transformer中的输入层，对所述心电图特征序列按照预设比例执行随机掩码操作，得到遮蔽补丁特征序列和未遮蔽补丁特征序列； 将所述未遮蔽补丁特征序列输入所述可迁移时空掩码Transformer中的编码器进行全局特征建模，生成所述时空掩码特征； 所述根据所述时空掩码特征对所述可迁移时空掩码Transformer进行自监督预训练，并结合迁移学习根据所述小样本数据集对经过自监督预训练的所述可迁移时空掩码Transformer进行迁移微调，得到心电图特征提取器，包括： 将所述时空掩码特征和所述遮蔽补丁特征序列输入所述可迁移时空掩码Transformer中，通过生成式掩码重建机制根据所述时空掩码特征对所述遮蔽补丁特征序列进行重构，并结合对比学习策略对所述可迁移时空掩码Transformer进行联合优化训练； 结合迁移学习根据所述小样本数据集对进行联合优化训练后的所述可迁移时空掩码Transformer进行迁移微调，得到所述心电图特征提取器。

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广东医科大学附属医院，其通讯地址为：524002 广东省湛江市霞山人民大道南57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。