基于先验引导图结构学习的可解释呼吸事件检测方法
本发明提出一种基于先验引导图结构学习的可解释呼吸事件检测方法,该方法包括:对多模态生理信号进行预处理以及划分,得到时间片段序列;对时间片段序列进行片段级图学习与特征提取处理,以得到片段级整体表示和片段邻接矩阵;利用片段级整体表示进行全局级学习与长程依赖提取,以得到全局级整体表示和全局邻接矩阵;利用片段邻接矩阵和全局邻接矩阵构建目标函数;利用目标函数完成对检测模型的更新,得到更新后的检测模型;通过更新后的检测模型得到预测结果。本发明通过引入临床先验知识引导的图结构学习机制,利用生理信号的连续性或模态间的特定耦合关系作为约束,有效过滤数据中的随机噪声和虚假关联。
《基于先验引导图结构学习的可解释呼吸事件检测方法》是一发明专利,专利号为 2026103156885,当前法律状态为已下证,由江西财经大学提出申请,发明人为吴英培;黄晨希;李科瑾;张林辉;王佳琳,申请日期为2026-03-16,公开(公告)日期为2026-05-26,国际专利分类号(IPC)为 A61B 5/00 (2006.01),高新资质:未报高企,所属技术领域包括:呼吸事件智能检测图结构深度学习生理信号可解释AI医用睡眠监测算法呼吸异常识别模型。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明提出一种基于先验引导图结构学习的可解释呼吸事件检测方法,该方法包括:对多模态生理信号进行预处理以及划分,得到时间片段序列;对时间片段序列进行片段级图学习与特征提取处理,以得到片段级整体表示和片段邻接矩阵;利用片段级整体表示进行全局级学习与长程依赖提取,以得到全局级整体表示和全局邻接矩阵;利用片段邻接矩阵和全局邻接矩阵构建目标函数;利用目标函数完成对检测模型的更新,得到更新后的检测模型;通过更新后的检测模型得到预测结果。本发明通过引入临床先验知识引导的图结构学习机制,利用生理信号的连续性或模态间的特定耦合关系作为约束,有效过滤数据中的随机噪声和虚假关联。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
