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！

龙图腾网获悉南昌大学第一附属医院申请的专利一种基于吞咽训练仪的吞咽效果预测方法及系统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：CN120256885B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510741172.2，技术领域涉及：G06F18/20；该发明授权一种基于吞咽训练仪的吞咽效果预测方法及系统是由于国华;帅浪;方静;孙伟铭设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本一种基于吞咽训练仪的吞咽效果预测方法及系统在说明书摘要公布了：本发明提供了一种基于吞咽训练仪的吞咽效果预测方法及系统，方法包括获取吞咽训练仪传输的吞咽训练数据，对吞咽训练数据进行预处理，以得到预处理数据；对预处理数据进行傅里叶变换与数据扩增，以得到扩增数据；对扩增数据进行高频低频分解去噪处理，以得到去噪数据；采用改进粒子群优化算法与密度聚类算法对去噪数据进行异常数据识别，以得到目标数据；获取模板训练数据，将模板训练数据输入预设预测模型中进行训练，将目标数据输入训练好的预设预测模型中进行效果预测，以输出吞咽效果预测结果，本发明可保留原始数据的特征，有效剔除低质量数据，以此提升模型最终的预测精度。

本发明授权一种基于吞咽训练仪的吞咽效果预测方法及系统在权利要求书中公布了：1.一种基于吞咽训练仪的吞咽效果预测方法，其特征在于，包括： 获取吞咽训练仪传输的吞咽训练数据，对所述吞咽训练数据进行预处理，以得到预处理数据； 对所述预处理数据进行傅里叶变换与数据扩增，以得到扩增数据； 对所述扩增数据进行高频低频分解去噪处理，以得到去噪数据； 采用改进粒子群优化算法与密度聚类算法对所述去噪数据进行异常数据识别，以得到目标数据； 获取模板训练数据，将所述模板训练数据输入预设预测模型中进行训练，将所述目标数据输入训练好的预设预测模型中进行效果预测，以输出吞咽效果预测结果； 所述对所述预处理数据进行傅里叶变换与数据扩增，以得到扩增数据的步骤包括： 对所述预处理数据进行快速傅里叶变换，并在快速傅里叶变换的过程中添加个零点，以得到变换数据： ； 式中，为频率分辨率，为采样率，为用于快速傅里叶变换的采样点数量； 将所述变换数据进行形式转换，以得到实数部分与虚数部分： ； 式中，为虚数符号； 在所述实数部分与所述虚数部分上添加随机扰动，以得到第一扰动部分与第二扰动部分： ；；； 式中，、分别表示变换数据的频率下限、上限，表示变换数据的组数； 将所述第一扰动部分与所述第二扰动部分进行组合，以得到组合数据，将所述组合数据进行快速逆傅里叶变换，以得到恢复数据，将所述恢复数据的前若干个数据添加到预处理数据中，以得到中间扩增数据； 基于所述中间扩增数据、所述实数部分与所述虚数部分确定扩增数据； 所述基于所述中间扩增数据、所述实数部分与所述虚数部分确定扩增数据的步骤包括： 基于所述实数部分与所述虚数部分计算数据相位： ； 将随机几组变换数据的数据相位替换为之间的随机值，以得到调整相位； 基于所述调整相位确定调整数据： ； 式中，为快速逆傅里叶变换； 将所述调整数据的前若干个数据添加到中间扩增数据中，以得到扩增数据； 所述对所述扩增数据进行高频低频分解去噪处理，以得到去噪数据的步骤包括： 采用预设算法将所述扩增数据分解为若干分量与残差分量； 设定所述扩增数据的贡献函数： ； 式中，表示函数变量，为扩增数据，为求解区间，为时间，为函数值； 确定所述贡献函数在坐标轴上的分布特征并确定函数值集中的求解区间作为最终区间； 基于所述最终区间计算每个所述分量的关联度： ； 式中，表示第个分量； 基于所述关联度确定去噪数据； 所述基于所述关联度确定去噪数据的步骤包括： 设定第一关联度阈值与第二关联度阈值，将关联度不小于第一关联度阈值的分量存入重构分量集合中，其中，第一关联度阈值大于第二关联度阈值； 将关联度不小于第二关联阈值且小于第一关联阈值的分量存入去噪分量集合中； 确定均方误差，并根据所述均方误差对所述去噪分量集合中的分量进行去噪平滑处理，以得到处理分量； ； 式中，为多项式系数，为多项式的幂，为去噪分量集合中分量的数量，为去噪分量集合中第个分量； 将所述处理分量、所述重构分量集合以及所述残差分量进行组合以及信号重构，以得到去噪数据。

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昌大学第一附属医院，其通讯地址为：330006 江西省南昌市东湖区永外正街17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”。