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！

龙图腾网获悉数据空间研究院申请的专利一种2型糖尿病并发症的风险评估方法、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：CN120183705B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510645724.X，技术领域涉及：G16H50/30；该发明授权一种2型糖尿病并发症的风险评估方法、系统及存储介质是由翁建平;马韵洁;王佐成;骆斯慧;王飞;岳彤;郑雪瑛;丁宇;张文皓设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本一种2型糖尿病并发症的风险评估方法、系统及存储介质在说明书摘要公布了：本发明属于糖尿病并发症风险评估技术领域，尤其涉及一种2型糖尿病并发症的风险评估方法、系统及存储介质。风险评估方法：S1，基于第一训练集中病人的临床指标数据，使用DDRTree算法构建二维聚类树；二维聚类树中包含若干个聚类区域，各聚类区域中包含若干个节点，每个节点代表一位病人；S2，基于待评估病人的临床指标数据，使用映射函数获取待评估病人在二维聚类树中的位置坐标；S3，基于待评估病人的位置坐标，使用竞争风险模型，计算出待评估病人在未来r年内患有各种并发症的概率。本发明能够对2型糖尿病病人患有并发症的风险进行准确的评估。

本发明授权一种2型糖尿病并发症的风险评估方法、系统及存储介质在权利要求书中公布了：1.一种2型糖尿病并发症的风险评估方法，其特征在于，包括以下步骤： S1，基于第一训练集中病人的临床指标数据，使用DDRTree算法构建二维聚类树；二维聚类树中包含若干个聚类区域，各聚类区域中包含若干个节点，每个节点代表一位病人； S2，基于待评估病人的临床指标数据，使用映射函数获取待评估病人在二维聚类树中的位置坐标； S3，基于待评估病人的位置坐标，使用竞争风险模型，计算出待评估病人在未来r年内患有各种并发症的概率； 在S1后、S2前，还包括S1´：S1´，技术人员标注各聚类区域临床指标的共性特征后，使用映射函数获取验证集中病人在二维聚类树中的位置坐标，若验证集中病人与对应聚类区域临床指标共性特征的一致率大于第一阈值，则判定当前二维聚类树验证成功；反之则验证失败，丢弃当前二维聚类树后，增加第一训练集中的病人数量并重新回到S1； 在S1中，还包括以下子步骤： S11，基于第一训练集得到特征矩阵X，第一训练集中包含n位病人的m种临床指标的数据；特征矩阵X的n行分别代表n位病人，m列分别表示m种临床指标；n和m均为正整数； S12，基于特征矩阵X构建DDRTree算法的优化目标函数F后进行求解，得到二维聚类树的关键参数： ； 其中，关键参数为最佳坐标矩阵和最佳中心节点集合；Y表示坐标矩阵，坐标矩阵Y包含n行2列，坐标矩阵Y的n行分别代表n位病人，且与特征矩阵X中对应行所表示的病人相同，坐标矩阵Y的第一列表示横坐标，坐标矩阵Y的第二列表示纵坐标；Yf表示坐标矩阵Y中的第f行所对应的位置坐标；W表示DDRTree算法中的线性变换参数矩阵；表示线性变换参数矩阵W的转置；λ表示第一超参数；表示当前二维聚类树里边i的中心节点位置坐标；表示当前二维聚类树里边j的中心节点位置坐标；和均为坐标矩阵Y中的位置坐标；ε表示当前二维聚类树中最小生成树的边集合；Z表示中心节点位置坐标的集合；α表示第二超参数；表示距离位置坐标Yf最近的中心节点的位置坐标；·表示取最小值时对应的坐标矩阵Y与中心节点集合Z，此时的坐标矩阵Y与中心节点集合Z为最佳坐标矩阵和最佳中心节点集合；表示2范数的平方； S13，根据关键参数构建二维聚类树； 在S1´中，还包括以下内容： S11´，技术人员根据当前二维聚类树中各聚类区域中病人的临床指标，标注各聚类区域临床指标的共性特征； S12´，使用映射函数获取验证集中各病人在二维聚类树中的位置坐标； S13´，根据验证集中各病人在二维聚类树中的位置坐标确定验证集中各病人所在的聚类区域； S14´，判定验证集中各病人的临床指标特征是否与对应聚类区域的共性特征一致后，计算一致率CR=NUMCNUMAll；其中，NUM（·）表示数量；NUM（C）表示验证集中病人的临床指标特征与对应聚类区域的共性特征一致的病人数量，NUMAll表示验证集中病人的总数量； 若一致率CR大于第一阈值，则判定当前二维聚类树验证成功；若一致率CR在第一阈值以下，则判定当前二维聚类树验证失败，丢弃当前二维聚类树后，构建新的第一训练集或增加第一训练集中的病人数量后，重新回到S1； 采用机器学习模型基于映射函数来获取病人G在二维聚类树中的位置坐标，； 映射函数为： ； ； 其中，表示病人G在二维聚类树中位置坐标的纵坐标；表示病人G在二维聚类树中位置坐标的横坐标；表示第一全局偏置参数；表示第二全局偏置参数；表示年龄回归系数；表示性别回归系数；表示病人G的年龄；表示病人G的性别参数；表示病人G的第p个临床指标的数据；表示的k次幂；表示病人G的第p个临床指标中间量，max·表示取最大值，表示二维聚类树中节点d对应病人的第p个临床指标的数据，二维聚类树中共包括n个节点； 在S3中，对待评估病人未确诊的u种并发症进行评估，u为正整数，包括以下内容： 竞争风险模型基于待评估病人R的位置坐标，计算出待评估病人在未来r年内患有第V种并发症的概率，其中r≥0且V为小于等于u的正整数： ； ； 其中，t表示待评估病人R自当前时刻开始的未来第t年；表示待评估病人R在未来第t年患有并发症的瞬时概率；表示第一回归系数；表示第二回归系数；表示待评估病人R在二维聚类树中位置坐标的纵坐标；表示待评估病人R在二维聚类树中位置坐标的横坐标；表示并发症随未来时间t变化的基准子分布风险函数； 使用竞争风险模型对待评估病人在未来r年内患有各种并发症的概率前，使用第二训练集对竞争风险模型进行训练；第二训练集中包括e条训练数据，每条训练数据均对应1位已经患有一种以上并发症的病人，每条训练数据包含病人确诊2型糖尿病的时间、确诊各种并发症的时间以及最近一次确诊并发症时的临床指标数据；e为正整数； 第一训练集、验证集和第二训练集中病人的临床指标数据均为清洗后的临床指标数据，清洗临床指标数据还包括以下内容： 步骤1，抽取若干个病人的临床指标数据，若某个病人存在一种以上的脏数据，则将当前病人所有的临床指标数据剔除；脏数据指的是：在若干个病人的同一种临床指标数据中，位于5个标准差之外的临床指标数据； 步骤2，将步骤1剩余的临床指标数据通过秩归一化方法，转化成0～1范围内的临床指标数据，此时临床指标数据清洗完毕。

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数据空间研究院，其通讯地址为：230000 安徽省合肥市高新区柏堰科技园创新大道288号工投高新智谷B区；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”。

以上内容由龙图腾AI智能生成。