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！

龙图腾网获悉上海智众医疗科技有限公司申请的专利一种基于患者识别的医嘱信息生成方法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：CN119601160B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202510137872.0，技术领域涉及：G16H20/00；该发明授权一种基于患者识别的医嘱信息生成方法是由李振杰;郑屹;许奎;陶建设计研发完成，并于2025-02-07向国家知识产权局提交的专利申请。

本一种基于患者识别的医嘱信息生成方法在说明书摘要公布了：本发明涉及基于患者识别的医嘱信息生成技术领域，且公开了一种基于患者识别的医嘱信息生成方法。该方法通过建立健康数据多维不确定性模型，综合多维健康数据并消除尺度差异。首先，从患者授权的健康档案中采集生理数据和病史数据，利用最大‑最小归一化消除数据的量纲差异，使得所有数据在同一范围内，避免了单位和范围差异带来的偏差。然后，计算健康数据的波动幅度和相关性，识别出波动较大的健康指标并明确其相互影响，为不确定性传播分析提供基础。最后，通过为每项健康数据分配权重并引入调节因子，动态调整指标的影响力，适应不同患者的健康状况，从而提高医嘱优化的个性化和精准度。

本发明授权一种基于患者识别的医嘱信息生成方法在权利要求书中公布了：1.一种基于患者识别的医嘱信息生成方法，其特征在于，包括： S1、建立健康数据多维不确定性模型： 设置健康指标数据集，记为X； 从患者授权的健康档案中采集多项指标； 所述多项指标包括生理数据和病史数据，将采集到的数据添加到健康指标数据集，得到X＝[x1,x2,...,xn]，其中n是健康数据维度的总数，xi是健康指标数据集中第i项健康指标数据； 对每一项健康指标数据进行最大-最小归一化： 其中，minxi和maxxi分别为健康指标数据集中第i项健康指标数据的最小值和最大值；x'i为最大-最小归一化后的值； 将得到的每一项健康指标数据进行最大-最小归一化后的值更新到健康指标数据集中对应位置的数据中； 计算健康指标数据集中每个数据波动幅度； 所述计算健康指标数据集中每个数据波动幅度，具体包括： 获取健康指标数据集中第i项健康指标数据最大-最小归一化后的方差，记为Varx'i； 获取健康指标数据集中第i项健康指标数据最大-最小归一化后的均值，记为Ex'i； 对健康指标数据集中每个数据估算波动幅度，波动幅度计算公式为： δi＝σi·x'i； 其中，δi为第i项健康指标数据的波动幅度； 设置波动幅度数据集，记为Δ； 将计算得到的所有波动幅度依次添加到波动幅度数据集中； 计算健康指标数据集中第i项和第j项数据之间的相关性系数； 所述计算健康指标数据集中第i项和第j项数据之间的相关性系数，具体包括： 获取健康指标数据集中第j项健康指标数据最大-最小归一化后的方差，记为Varx'j； 计算健康指标数据集中第i项和第j项数据之间的相关性系数记为Cij，计算公式为： 获取数据集X的均值，记为μ； 为健康指标数据集中每个健康数据设置一个权重，计算方式为： 其中，k为调节因子；ωi为第i项健康指标数据的加权系数； S2、不确定性传播分析； 所述不确定性传播分析，具体包括： 设置总体健康风险的函数，记为R，具体为： 其中，αi为第i项健康指标数据的风险权重；δi为第i项健康指标数据的波动幅度；x'i为第i项健康指标数据最大-最小归一化后的值； 通过偏导数计算各个健康指标数据项对总体风险的影响程度，敏感性度量公式为： 设置敏感性分布集合，记为S； 将计算得到的每个Si添加到敏感性分布集合中，得到S＝[S1,S2,...,Sn]； 通过相关性和敏感度，构建风险传播矩阵，记为M，用于描述变量之间的相互影响： M[i,j]＝Si·Cij； 其中，M[i,j]为风险传播矩阵M中第i行第j列的数据；Si为敏感性分布集合中第i个数据；Cij为健康指标数据集中第i项和第j项数据之间的相关性系数； 计算健康指标数据集中每个变量的总传播效应： 对所有的Ti进行排序，并获取最大的传播效应； S3、医嘱不确定性优化生成； 所述医嘱不确定性优化生成，具体包括： 获取健康指标数据集中每个数据的目标健康值，记为 为健康指标数据集中第i项数据的目标健康值； 获取医嘱参数集合，记为u，将集合中第j项数据记为uj； 获取医嘱参数集合中每个数据对应的目标剂量，将医嘱参数集合中第j项数据的目标剂量记为 获取健康指标数据集中每个健康指标数据的波动幅度的期望波动幅度，将获取到的第i个期望波动幅度记为 设置医嘱优化的目标函数，记为 其中，ψi为健康指标数据集中第i项数据的在目标函数中的权重系数；γj为医嘱参数集合中第j项数据在目标函数中的权重系数；βi为健康指标数据集中第i项数据的波动幅度在目标函数中的权重系数；m为医嘱参数集合中数据数量总数； 基于梯度下降法更新医嘱参数uj和波动幅度δi； 所述基于梯度下降法更新医嘱参数uj和波动幅度δi，具体包括： 基于梯度下降法更新医嘱参数uj和波动幅度δi： 其中，为医嘱参数集合中第j项数据在第t次迭代时的值；为健康指标数据集中第i项数据的波动幅度在第t次迭代时的值；η为学习率 设置迭代停止条件； 所述设置迭代停止条件，具体包括： 设置容忍误差值阈值，记为∈； 设置最大迭代次数，记为Tmax； 获取目标函数在第t次迭代时的值，记为 获取目标函数在第t+1次迭代时的值，记为 当目标函数的变化小于容忍误差值阈值时，停止迭代： 当迭代次数大于最大迭代次数时，强制停止迭代： tTmax； 在每次迭代后，对波动幅度δi进行修正； 所述在每次迭代后，对波动幅度δi进行修正，具体包括： 其中，为健康指标数据集中第i项数据的波动幅度在第t次迭代时的值；σi为健康指标数据集中第i项数据的修正系数；Mij为风险传播矩阵M中第i行第j列的数据；Sj敏感性分布集合中第j项数据 获取最终优化的第j项医嘱参数，记为 获取最终优化的健康指标数据集中第i项数据的波动幅度，记为 设置优化后的医嘱集合，记为

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上海智众医疗科技有限公司，其通讯地址为：200131 上海市浦东新区中国(上海)自由贸易试验区浦东南路999号9层BCDE单元；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”。