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！

龙图腾网获悉广东工业大学申请的专利一种基于表示学习的麻醉深度预测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：CN119092127B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411210494.6，技术领域涉及：G16H50/30；该发明授权一种基于表示学习的麻醉深度预测方法是由彭思愿;陈明锦;杨志景设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本一种基于表示学习的麻醉深度预测方法在说明书摘要公布了：本发明涉及麻醉深度预测的技术领域，提出一种基于表示学习的麻醉深度预测方法，包括以下步骤：获取待麻醉对象的用药量数据以及包括待麻醉对象的年龄、性别、身高和或体重在内的静态信息；构建用于麻醉深度指标值预测的麻醉深度预测模型；麻醉深度预测模型包括因果Transformer和瓶颈网络；其中，因果Transformer用于基于用药量数据提取用药量时序特征，瓶颈网络用于结合用药量时序特征和用药量时序特征对应的静态信息，预测麻醉深度指标值；利用麻醉深度预测模型得到的待麻醉对象的麻醉深度指标预测值能够准确地学习到用药量的时序关联以及静态信息与用药量时序特征之间的关联，结果的精确度较高。

本发明授权一种基于表示学习的麻醉深度预测方法在权利要求书中公布了：1.一种基于表示学习的麻醉深度预测方法，其特征在于，包括以下步骤： 获取待麻醉对象的用药量数据以及包括待麻醉对象的年龄、性别、身高和或体重在内的静态信息； 构建用于麻醉深度指标值预测的麻醉深度预测模型；所述麻醉深度预测模型包括因果Transformer和瓶颈网络；其中，所述因果Transformer用于基于所述用药量数据提取用药量时序特征，所述瓶颈网络用于结合所述用药量时序特征和所述用药量时序特征对应的静态信息，预测麻醉深度指标值； 将待麻醉对象的用药量数据和待麻醉对象的静态信息输入所述麻醉深度预测模型，所述麻醉深度预测模型输出待麻醉对象的麻醉深度指标预测值； 在利用所述麻醉深度预测模型对待麻醉对象的麻醉深度指标值进行预测之前，采集训练集，对所述训练集进行预处理，并利用预处理后的训练集对所述麻醉深度预测模型进行训练； 其中，所述训练集包括若干个历史麻醉对象对应的用药量数据、麻醉深度指标值，以及包括历史麻醉对象的年龄、性别、身高和或体重在内的静态信息； 对所述训练集进行预处理的步骤包括： 去除所述训练集中的无效数据，所述无效数据包括：开始输注药物时，麻醉深度指标值低于预设值的历史麻醉对象对应的数据、用药量数据中丢失数据的时间超过预设时长的历史麻醉对象对应的数据，以及第一个麻醉深度指标值对应的药物用药量不为0的历史麻醉对象对应的数据； 在去除无效数据后的训练集中，对存在数据缺失的麻醉药物用药量数据以线性插值的方式进行数据填充；对存在错误数据的麻醉药物用药量数据，用错误数据前一时刻与后一时刻之和的均值替换错误数据；对麻醉深度指标值采用局部加权散点图平滑的方式进行平滑处理； 对所述训练集进行预处理的步骤还包括： 对所述训练集中的若干个历史麻醉对象按预设的时间间隔对所述麻醉药物用药量数据进行采样，并记录每个采样点对应的麻醉深度指标值，形成若干个历史麻醉对象对应的若干条时间序列，所述时间序列包括各采样点、各采样点在预设时长内的累计用药量及各采样点的麻醉深度指标值； 利用若干个时间窗口块将每条时间序列划分为若干个时间窗口序列，所述时间窗口序列的表达式包括： 式中，表示维度数为的实数域，表示时间窗口块长度，表示两个连续时间窗口块之间的非重叠区域的步长，N为时间窗口块的个数，表示时间窗口序列的长度；表示第条时间序列的长度为的时间窗口块对应的时间窗口块序列； 采用随机掩码的方式对时间窗口序列进行预设屏蔽数的屏蔽，将未被屏蔽的时间窗口序列按照时间顺序均分为段时间窗口子序列，衡量两个时间窗口子序列之间数据分布差异的大小，通过贪婪算法将段时间窗口子序列划分为条两两数据分布差异最大的时间段对应的时间窗口子序列，利用所述时间窗口子序列训练所述麻醉深度预测模型。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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”。

以上内容由龙图腾AI智能生成。