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(jiān)控用IP管家,真方便！

龍圖騰網恭喜南昌大學第二附屬醫(yī)院申請的專利一種心臟外科術后護理管理方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN119274750B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202411311083.6，技術領域涉及：G16H20/40；該發(fā)明授權一種心臟外科術后護理管理方法及系統(tǒng)是由周極新;彭林敏;李騰龍;柳建;肖興米設計研發(fā)完成，并于2024-09-19向國家知識產權局提交的專利申請。

本一種心臟外科術后護理管理方法及系統(tǒng)在說明書摘要公布了：本發(fā)明適用于醫(yī)療康復領域，提供了一種心臟外科術后護理管理方法及系統(tǒng)，所述系統(tǒng)包括：智能監(jiān)測分析模塊、睡眠姿態(tài)優(yōu)化模塊、二次采集模塊、數(shù)據(jù)存儲與分析模塊該心臟外科術后護理管理方法通過綜合分析疤痕狀態(tài)、位置偏移、形狀扭曲等關鍵指標，深入探究睡眠姿態(tài)對傷口愈合的影響，展現(xiàn)出顯著的優(yōu)勢。這種方法不僅能夠實時監(jiān)測患者的睡眠質量和姿態(tài)，還能夠結合疤痕的動態(tài)變化，精確評估睡眠姿態(tài)對疤痕恢復的實際影響。通過這種細致入微的分析，醫(yī)護人員能夠獲得關于患者恢復過程的寶貴洞察，從而制定出更加精準和個性化的護理策略。

本發(fā)明授權一種心臟外科術后護理管理方法及系統(tǒng)在權利要求書中公布了：1.一種心臟外科術后護理管理方法，其特征在于，所述方法包括如下步驟：實時監(jiān)測患者的睡眠質量、睡眠周期、睡眠姿態(tài)、疤痕恢復情況和體征數(shù)據(jù)，分析患者的睡眠姿態(tài)對疤痕恢復是否有負面影響；根據(jù)當前的疤痕狀態(tài)，結合歷史疤痕變化圖片，判斷疤痕恢復趨勢，同時分析疤痕錯位情況，基于分析結果給出睡眠姿態(tài)優(yōu)化建議；在給出睡眠姿態(tài)優(yōu)化建議后，二次采集患者的疤痕狀態(tài)，判斷疤痕恢復情況及錯位情況；存儲所有采集的數(shù)據(jù)和分析結果，并生成數(shù)據(jù)分析報告；其中，所述分析患者的睡眠姿態(tài)對疤痕恢復是否有負面影響，具體包括如下步驟：實時監(jiān)測患者的睡眠質量、睡眠周期和睡眠姿態(tài)，分析患者的睡眠模式，識別深睡眠、淺睡眠和REM睡眠的時長和比例，以及睡眠中的體動情況；獲取疤痕的顏色、形狀和紋理變化，評估疤痕的愈合進度；依據(jù)睡眠中的體動數(shù)據(jù)，提取體動特征，并從疤痕圖像中提取疤痕特征，分析睡眠姿態(tài)與疤痕恢復之間的相關性；其中，依據(jù)睡眠中的體動數(shù)據(jù)，提取體動特征，并從疤痕圖像中提取疤痕特征，分析睡眠姿態(tài)與疤痕恢復之間的相關性，具體包括如下步驟：獲取疤痕圖像和體動數(shù)據(jù)，采用卷積神經網絡對疤痕圖像進行特征提取，獲取疤痕特征，采樣傅里葉變換和小波分析對體動數(shù)據(jù)進行特征提取，獲取體動特征，將疤痕特征和體動特征進行融合，得到混合特征；采用卷積神經網絡對疤痕圖像進行特征提取的過程對應存在如下關系式： ；其中，表示疤痕特征，表示疤痕圖像，表示使用卷積神經網絡進行特征提取操作；采樣傅里葉變換和小波分析對體動數(shù)據(jù)進行特征提取的過程對應存在如下關系式： ；其中，表示體動特征，表示傅里葉變換操作，表示小波分析操作，表示融合操作；將將疤痕特征和體動特征進行融合的過程對應存在如下關系式： ；其中，表示融合特征；基于多變量回歸分析構建第一預測模型，將融合特征輸入第一預測模型獲取預測結果，對應的過程存在如下關系式： ；其中，表示在不同體動特征下預測的疤痕恢復趨勢，表示第一預測模型的回歸系數(shù)，表示第z個數(shù)據(jù)點的實際值，表示第z個數(shù)據(jù)點的融合特征，表示第一預測模型的正則化參數(shù)，表示數(shù)據(jù)點的數(shù)量，表示Lasso回歸中的L1正則化項；基于機器學習和深度學習算法構建混合模型，混合模型包括有若干不同的第二預測模型，將融合特征和預測結果作為輸入，輸入至不同的第二預測模型中，獲取不同第二預測模型的第二預測結果，將不同第二預測模型的第二預測結果采用線性加權求和的方式組合在一起，得到的混合模型的預測結果，以實現(xiàn)時間序列數(shù)據(jù)，捕捉睡眠姿態(tài)變化的動態(tài)模式，對應的過程存在如下關系式： ；其中，表示在不同體動特征下預測的最終的疤痕恢復趨勢，表示基于隨機森林的模型預測結果，表示基于遞歸神經網絡的模型預測結果，表示基于梯度提升樹的模型預測結果，表示隨機森林模型的權重，表示遞歸神經網絡模型的權重，表示梯度提升樹模型的權重。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人南昌大學第二附屬醫(yī)院，其通訊地址為：330000 江西省南昌市東湖區(qū)民德路1號；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。