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！

龙图腾网获悉南通市康复医院(南通市第二人民医院)申请的专利一种基于神经网络的术后护理信息管理方法、系统及存储介质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：CN119361169B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202411467271.8，技术领域涉及：G16H50/70；该发明授权一种基于神经网络的术后护理信息管理方法、系统及存储介质是由洪婧;王立翔设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于神经网络的术后护理信息管理方法、系统及存储介质在说明书摘要公布了：本发明公开了一种基于神经网络的术后护理信息管理方法、系统及存储介质，属于术后护理技术领域，包括：按照预设采样频率，周期性采集术后护理信息数据并进行预处理；基于集合经验模态分解EEMD法构建术后生命体征在不同时间尺度上的特征数据集并进行预处理；初始化神经网络模型的结构和参数，并基于预处理的特征数据集以及灰狼优化算法GWO对神经网络模型进行训练；将新的术后护理数据输入训练好的神经网络模型，得到患者的恢复阶段，并采用大型语言模型进行分析，制定个性化的护理计划。本发明通过利用神经网络技术对神经外科术后患者的护理信息进行智能化管理，通过可视化的恢复侧重提示词，提升了医护人员的工作效率和患者满意度。

本发明授权一种基于神经网络的术后护理信息管理方法、系统及存储介质在权利要求书中公布了：1.一种基于神经网络的术后护理信息管理方法，其特征在于，包括： 按照预设采样频率，周期性采集术后护理信息数据并进行预处理； 基于集合经验模态分解EEMD法构建术后生命体征在不同时间尺度上的特征数据集； 对特征数据集进行预处理； 初始化神经网络模型的结构和参数，并基于预处理的特征数据集以及灰狼优化算法GWO对神经网络模型进行训练； 将新的术后护理数据输入训练好的神经网络模型，得到患者的恢复阶段； 采用大型语言模型对得到的患者的恢复阶段进行分析，制定个性化的护理计划，并生成对应恢复侧重提示词； 其中，对特征数据集进行预处理，包括： 对特征数据集进行归一化，将特征数据压缩在[0，1]之间； 设置特征数据集的长度； 将特征数据集划分为训练集、测试集和验证集，所述训练集用于训练神经网络模型，所述测试集用于调整神经网络模型的超参数，所述验证集用于评估神经网络模型的性能； 基于预处理的特征数据集以及灰狼优化算法GWO对神经网络模型进行训练，包括： 步骤1：外层循环-GWO迭代：对于每一代GWO迭代； 步骤2：内层循环-神经网络模型训练： 步骤2.1：对于每一个个体进行权重配置； 步骤2.2：用当前个体的权重配置，输入数据通过整个神经网络模型结构，得到预测输出； 步骤2.3：使用适当的损失函数计算预测输出与实际标签之间的差异； 步骤2.4：计算梯度并更新权重； 步骤2.5：根据损失值计算该个体的适应度； 步骤2.6：根据适应度值确定当前的α、β、δ个体； 步骤2.7：基于α、β、δ个体的位置更新规则，更新种群中其他个体的位置； 步骤2.8：若达到最大迭代次数或适应度收敛，则退出外层循环；否则继续下一次GWO迭代； 步骤3：得到最优权重： 步骤3.1：在所有GWO迭代完成后，选择适应度最高的个体作为最优权重配置； 步骤3.2：将所述最优权重配置神经网络模型中，并返回步骤2，对神经网络模型进行训练迭代，监控验证集上的性能，当性能不再提升时终止训练，输出训练好的神经网络模型； 在训练迭代之前，还包括初始化，具体包括： 初始化神经网络：定义神经网络模型模型的结构，设置初始参数； 数据预处理：对数据进行标准化归一化，并划分成训练集、验证集和测试集； 初始化神经网络：定义神经网络模型模型的结构，设置初始参数； 数据预处理：对数据进行标准化归一化，并划分成训练集、验证集和测试集； 初始化GWO种群：随机生成一组解，每个解代表一组网络权重； 神经网络模型的结构包括：卷积层、循环层和全连接层以及注意力机制； 设输入矩阵为X∈RL×m，其中L为时间序列的长度，m为特征数据集中特征的数量； 通过多个卷积层的卷积核提取危急特征； 对于第k个卷积层的第j个输出特征数据xj convk： 式中，Mi和Ni是卷积核的宽度和高度；是第k-1层中第i个特征数据在位置[m，n]的值；是第k层中从第i个输入特征到第j个输出特征的卷积核；是第k层中第j个输出特征数据的偏置项；f是激活函数； 设本实施例有K个卷积层，那么最终的卷积层输出为xconvK； RNNLSTM来处理序列信息，对于时间步t的隐藏状态ht： 式中，是卷积层在时间步t的输出；ht-1是前一时间步的隐藏状态；LSTM代表长短期记忆单元； 注意力机制来聚焦重要特征，以及全连接层来生成最终预测，计算上下文向量z： et＝vTtanhWhht+Wzzt-1+be； 式中，v是注意力权重向量；Wh和W是权重矩阵；be是偏置项；T是时间步数；αt是在时间步t的注意力权重；et是在时间步t的能量值；es表示任意时间步s的能量值，z是最终的上下文向量； 通过全连接层生成最终预测 式中，Wf是全连接层的权重矩阵；bf是全连接层的偏置向量；g是最终输出层的激活函数。

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南通市康复医院(南通市第二人民医院)，其通讯地址为：226001 江苏省南通市崇川区新华路298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”。