買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜重慶郵電大學申請的專利一種基于對比學習的ICU患者死亡風險預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115148359B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210783403.2，技術領域涉及：G16H50/30；該發明授權一種基于對比學習的ICU患者死亡風險預測方法是由胡峰;劉凈楓;周西川;于洪;蘇祖強;代勁;王國胤;何長春;何智光;廖宏昊;張鑫然設計研發完成，并于2022-07-05向國家知識產權局提交的專利申請。

本一種基于對比學習的ICU患者死亡風險預測方法在說明書摘要公布了：本發明屬于風險預測技術領域，具體涉及一種基于對比學習的ICU患者死亡風險預測方法；該方法包括：獲取ICU患者的電子病歷數據集并對其進行處理，得到多個批次數據樣本；將批次內數據樣本輸入到構建好的基于transformer?gru?cnn的分類器中，得到分類損失函數；構建輔助對比學習損失函數；根據分類損失函數和輔助對比學習損失函數構建優化損失函數；根據優化損失函數對分類器的參數進行更新，得到構建好的基于對比學習的ICU患者死亡風險預測模型；將電子病歷數據輸入到構建好的基于對比學習的ICU患者死亡風險預測模型，得到待預測患者的死亡風險預測結果；本發明的預測精度高，實用性高，具有良好的應用前景。

本發明授權一種基于對比學習的ICU患者死亡風險預測方法在權利要求書中公布了：1.一種基于對比學習的ICU患者死亡風險預測方法，其特征在于，包括：獲取待預測患者的電子病歷數據，將電子病歷數據輸入到構建好的基于對比學習的ICU患者死亡風險預測模型，得到待預測患者的死亡風險預測結果；構建基于對比學習的ICU患者死亡風險預測模型的過程包括：S1：獲取ICU患者的電子病歷數據集；S2：對電子病歷數據集進行預處理，得到結構化的多變量時間序列數據集；S3：將多變量時間序列數據集進行隨機劃分，得到多個批次數據樣本；S4：將批次內數據樣本輸入到構建好的基于transformer-gru-cnn的分類器中，得到分類損失函數和第三數據高維表示；構建基于transformer-gru-cnn的分類器的過程包括：采用多層多頭自注意力網絡對輸入信息進行編碼，得到第一數據高維表示；將一個雙向gru疊加一個單向gru，在疊加的gru后面疊加一個線性層，得到基礎gru架構；將輸入信息輸入到基礎gru架構中，得到第二數據高維表示；采用多層一維或二維卷積網絡對輸入信息進行處理，得到第三數據高維表示；將第一數據高維表示、第二數據高維表示和第三數據高維表示拼接后經全連接層和激活函數處理，得到輸出結果；S5：將第三數據高維表示輸入到Kmeans聚類算法中，得到相似樣本和離異樣本；S6：根據相似樣本和離異樣本構建輔助對比學習損失函數；得到相似樣本和離異樣本的過程包括：給定樣本xi和xj，若樣本之間滿足xj∈Kmeansxi，則樣本xj為樣本xi的相似樣本；給定樣本xi和xj，若樣本之間滿足則樣本xj為樣本xi的離異樣本；S7：根據分類損失函數和輔助對比學習損失函數構建優化損失函數；構建輔助損失函數的過程包括：以給定樣本與其相似樣本的相似度更高，同時與其不相似樣本的相似度更低為目標，根據相似樣本和離異樣本構建輔助損失函數；輔助對比學習損失函數的公式為： 其中，Rf表示輔助對比學習損失，n表示樣本數量，ξ1表示相似樣本集合，ξ2表示不相似樣本集合，scorefxi,fxj表示樣本間的相識度，f表示樣本的高維表示；S8：根據優化損失函數對基于transformer-gru-cnn的分類器的參數進行更新，得到構建好的基于對比學習的ICU患者死亡風險預測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶郵電大學，其通訊地址為：400065 重慶市南岸區南山街道崇文路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。