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！

龙图腾网获悉电子科技大学申请的专利基于机器学习及Transformer的心房颤动检测及风险因素挖掘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：CN118782233B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202410973984.5，技术领域涉及：G16H50/20；该发明授权基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法是由郭莉丽;徐如祥;赵启军;雷诺扬帆设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法在说明书摘要公布了：本发明公开了一种基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法，包括以下步骤：1信息自动录入，得到入院即时信息和时序医疗信息；2进行心房颤动风险因素挖掘：提取入院即时信息，利用Stacking集成机器学习模型与Shap可解释性分析算法，进行风险因素挖掘；3导入心电图数据，结合入院即时信息和时序医疗信息，利用Multimodal‑AFTransformer模型对三种模态的数据进行处理，实现心房颤动检测，生成预测结果和概率。本发明利用多模态数据处理来检测心房颤动，通过机器学习模型进行分析和预测，显著提升了检测精度和模型的可解释性。

本发明授权基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法在权利要求书中公布了：1.基于机器学习及Transformer的心房颤动检测及风险因素挖掘方法，其特征在于，包括以下步骤： 1信息自动录入：使用自动翻页扫描仪扫描患者的纸质病历和检查报告；然后通过OCR技术识别并提取扫描图像中的文本信息，得到患者的电子健康记录数据，电子健康记录中包含入院即时信息和时序医疗信息； 2进行心房颤动风险因素挖掘：提取电子健康记录中的入院即时信息，利用Stacking集成机器学习模型与Shap可解释性分析算法，进行风险因素挖掘； 3导入心电图数据，结合入院即时信息和时序医疗信息，利用Multimodal-AFTransformer模型对三种模态的数据进行处理，实现心房颤动检测，生成预测结果和概率；具体实现方法为：采用基于SwinTransformer框架的Multimodal-AFTransformer模型对多模态数据进行处理；多模态数据包括入院即时信息模态、时序医疗信息模态和心电图模态三种模态； 入院即时信息通过先前Stacking模型的元学习器，得到元学习器的隐藏层输出前的入院即时信息模态表征向量； 将患者的病程描述和用药情况按时序排列，选择sEHR-BERT模型对时序医疗信息进行预处理，得到时序医疗信息模态表征向量； Multimodal-AFTransformer模型的结构包括多个组件： R峰分割心跳节拍：将心电图信号按R峰分割为多个心跳节拍，按单个心跳节拍输入Multimodal-AFTransformer模型的图像块嵌入层，捕捉心电图中的周期性特征向量； 拼接层：分别将每个心跳节拍提取到的特征与入院即时信息模态表征向量以及时序医疗信息模态特征向量进行拼接，得到多个由“单个心跳节拍的特征向量+入院即时信息模态+时序医疗信息模态”组成的多模态特征向量，然后输入Encoder中； Encoder包括多个Encoder层，每个Encoder层由多个Swin块和与一个跨窗口信息融合块组成；第一层Encoder层中Swin块的输入为拼接层输出的多模态特征向量，其它Encoder层中Swin块的输入为前一Encoder层中跨窗口信息融合块拆分的特征；最后一个Encoder层的跨窗口信息融合块的输出将输入分类模块； 分类模块由池化层和多层感知机组成。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；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”。