買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中國(guó)人民解放軍空軍軍醫(yī)大學(xué)申請(qǐng)的專(zhuān)利一種基于神經(jīng)重癥的EIT成像算法優(yōu)化方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119559287B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510111346.7，技術(shù)領(lǐng)域涉及：G06T11/00；該發(fā)明授權(quán)一種基于神經(jīng)重癥的EIT成像算法優(yōu)化方法是由胡世頡;楊濱設(shè)計(jì)研發(fā)完成，并于2025-01-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于神經(jīng)重癥的EIT成像算法優(yōu)化方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及醫(yī)學(xué)成像優(yōu)化技術(shù)領(lǐng)域，公開(kāi)了一種基于神經(jīng)重癥的EIT成像算法優(yōu)化方法，包括以下步驟：S101，采集患者的生理特征數(shù)據(jù)、解剖區(qū)域的解剖特征數(shù)據(jù)和基本特征數(shù)據(jù)，并通過(guò)第一特征序列表示；S102，對(duì)第一特征序列進(jìn)行預(yù)處理，得到第二特征序列；S103，根據(jù)第二特征序列構(gòu)建電阻抗基線(xiàn)分布預(yù)測(cè)模型，輸出患者在第二預(yù)設(shè)時(shí)間段的電阻抗基線(xiàn)分布；S104，使用改進(jìn)的鸚鵡優(yōu)化算法對(duì)預(yù)設(shè)的靈敏度矩陣進(jìn)行優(yōu)化，根據(jù)電阻抗基線(xiàn)分布預(yù)測(cè)模型構(gòu)建目標(biāo)函數(shù)，輸出最優(yōu)的靈敏度矩陣。本發(fā)明通過(guò)個(gè)性化電阻抗基線(xiàn)分布預(yù)測(cè)和改進(jìn)的鸚鵡優(yōu)化算法優(yōu)化靈敏度矩陣，實(shí)現(xiàn)精準(zhǔn)成像，提升了復(fù)雜病理場(chǎng)景適應(yīng)性，且有效降低偽影敏感性。

本發(fā)明授權(quán)一種基于神經(jīng)重癥的EIT成像算法優(yōu)化方法在權(quán)利要求書(shū)中公布了：1.一種基于神經(jīng)重癥的EIT成像算法優(yōu)化方法，其特征在于，包括以下步驟：S101，在第一預(yù)設(shè)時(shí)間段內(nèi)根據(jù)第一預(yù)設(shè)時(shí)間間隔采集患者的生理特征數(shù)據(jù)、解剖區(qū)域的解剖特征數(shù)據(jù)和基本特征數(shù)據(jù)，并通過(guò)第一特征序列表示；其中，第一特征序列的第n個(gè)序列單元表示第n個(gè)時(shí)間點(diǎn)患者的生理特征數(shù)據(jù)、解剖特征數(shù)據(jù)和基本特征數(shù)據(jù)，n為時(shí)間點(diǎn)索引；S102，對(duì)第一特征序列進(jìn)行預(yù)處理，得到第二特征序列，具體步驟包括：S201，使用3原則識(shí)別第一特征序列中的異常值，并將異常值替換處理為除異常值以外的值的平均值；S202，根據(jù)處理后的第一特征序列提取呼吸動(dòng)態(tài)電阻特征，并將其拼接在第一序列特征的序列單元之后；S203，根據(jù)處理后的第一特征序列提取生理電阻多模交叉特征，并將其拼接在第一序列特征的序列單元之后；S204，對(duì)拼接后的第一特征序列使用z分?jǐn)?shù)歸一化方法進(jìn)行歸一化處理，得到第二特征序列；S103，根據(jù)第二特征序列構(gòu)建電阻抗基線(xiàn)分布預(yù)測(cè)模型，輸出患者在第二預(yù)設(shè)時(shí)間段的電阻抗基線(xiàn)分布，電阻抗基線(xiàn)分布表示患者健康狀態(tài)下的電阻抗分布；其中，電阻抗基線(xiàn)分布預(yù)測(cè)模型基于門(mén)控循環(huán)單元構(gòu)建，并通過(guò)與青蛙效應(yīng)結(jié)合對(duì)其進(jìn)行改進(jìn)，電阻抗基線(xiàn)分布預(yù)測(cè)模型的結(jié)構(gòu)包括：輸入增強(qiáng)模塊、動(dòng)態(tài)門(mén)控模塊、漂移檢測(cè)模塊和輸出模塊；輸入增強(qiáng)模塊用于輸入第二特征序列和序列單元變化率特征，序列單元變化率特征表示當(dāng)前序列單元與上一個(gè)序列單元之差；動(dòng)態(tài)門(mén)控模塊包括重置門(mén)、更新門(mén)和隱藏狀態(tài)更新，并在重置門(mén)和更新門(mén)中引入序列單元變化率特征；漂移檢測(cè)模塊用于監(jiān)測(cè)當(dāng)前隱藏狀態(tài)與第一隱藏狀態(tài)的偏差，并當(dāng)該偏差大于第一預(yù)設(shè)閾值時(shí)，使用校正公式進(jìn)行校正，其中，當(dāng)前隱藏狀態(tài)與第一隱藏狀態(tài)的偏差通過(guò)兩者的歐式距離表示，第一隱藏狀態(tài)表示在健康人群樣本中訓(xùn)練得到的隱藏狀態(tài)均值，其中，校正公式為： ；其中，表示校正后的第n個(gè)時(shí)間點(diǎn)的隱藏狀態(tài)，表示控制校正幅度的系數(shù)，表示第一隱藏狀態(tài)；輸出模塊用于輸出患者在第二預(yù)設(shè)時(shí)間段的電阻抗基線(xiàn)分布；S104，使用改進(jìn)的鸚鵡優(yōu)化算法對(duì)預(yù)設(shè)的靈敏度矩陣進(jìn)行優(yōu)化，根據(jù)電阻抗基線(xiàn)分布預(yù)測(cè)模型構(gòu)建目標(biāo)函數(shù)，輸出最優(yōu)的靈敏度矩陣。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)人民解放軍空軍軍醫(yī)大學(xué)，其通訊地址為：710032 陜西省西安市新城區(qū)長(zhǎng)樂(lè)西路169號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。