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！

龙图腾网获悉北京理工大学申请的专利一种数据驱动的高原低氧损伤风险测量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：CN119679401B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411901346.9，技术领域涉及：A61B5/145；该发明授权一种数据驱动的高原低氧损伤风险测量系统是由史大威;郑凯凯;陈婧;王军政设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种数据驱动的高原低氧损伤风险测量系统在说明书摘要公布了：本发明公开了一种数据驱动的高原低氧损伤风险测量系统与方法，属于人体低氧损伤风险评估技术领域，包括间歇低氧训练模块、穿戴式生理信号采集模块、低氧舱测试模块、集中式数据存储与学习模块、边缘式数据处理与低氧损伤风险评估模块和通信与传输模块，本发明采用上述结构的一种数据驱动的高原低氧损伤风险测量系统与方法，实现了低成本、快速、动态评估受试者低氧损伤风险的的功能，可以在受试者不实际进入高原环境的情况下以更安全、快速、低成本的方式评估受试者的低氧损伤风险。

本发明授权一种数据驱动的高原低氧损伤风险测量系统在权利要求书中公布了：1.一种数据驱动的高原低氧损伤风险测量系统，其特征在于：包括： 间歇低氧训练模块，控制氧气含量，包括用于产生低氧气体的低氧发生器、储存低氧气体的低氧存储器以及混合低氧气体和空气的气体混合器，低氧存储器储存低氧发生器生成的低氧气体，低氧存储器中的低氧气体进入气体混合器，通过气体混合器将低氧气体和空气通过一定比例和规律混合得到低氧环境； 穿戴式生理信号采集模块，实时监测与低氧损伤风险相关的生理指标数据； 低氧舱测试模块，产生低氧环境并监测睡眠过程各项指标； 集中式数据存储与学习模块，收集生理指标数据，以及睡眠指标与路易斯湖评分，构建间歇低氧训练中生理数据与低氧损伤风险的关系； 集中式数据存储与学习模块通过主成分分析的方法对低氧损伤风险生理指标ηk进行降维，过程如下： 设得到的K个低氧环境实测数据为Η＝{η1k,…,ηKk}，对这组数据进行去中心化操作， 其中，ηk表示低氧损伤风险生理指标，表示去中心化后的实测数据，表示在所测数据集上的协方差矩阵，中的特征值由大到小排序为是每个特征值的特征向量，P为转换矩阵； 根据中心化后的实测数据和转换矩阵P，通过下方公式得到降维后的K个低氧损伤风险状态数据xk， 降维之后，集中式数据存储与学习模块通过求解变分优化方式进行慢特征分析，过程如下： 在求解变分优化过程中对数据进行一些约束，约束内容如下： 其中gSFA·:γt→∈t表示待优化函数变量，得到的最终结果为优化慢特征信号∈，γk,it＝Γi,tk，表示n维的时间序列信号，Γk表示第k天的连续生理数据信号，表示降维信号，表示连续生理数据； 构造间歇低氧训练时的生理特征变量函数， yk：＝τ∈k； 其中yk表示间歇低氧训练中生理监测信号特征，τ·是特征提取函数，∈k表示最优化慢特征信号； 最后集中式数据存储与学习模块通过训练数据集对非线性函数h·进行学习，采用高斯过程回归方法得到估计模型 其中x'是训练数据集中的数据，表示期望函数，κx,x'表示协方差核函数，表示高斯过程； 边缘式数据处理与低氧损伤风险评估模块，评估低氧损伤风险； 边缘式数据处理与低氧损伤风险评估模块得到集中式数据存储与学习模块构建的估计模型之后，首先根据扩展卡尔曼滤波估计器得到低氧损伤风险状态的评估，进行状态预测和误差协方差预测： 其中表示低氧损伤风险的先验预测状态，在没有先验信息时表示估计的低氧损伤风险，表示人体低氧损伤生理发展过程先验信息得到的状态演化方程，表示状态预测函数的雅各比矩阵，表示状态预测误差的协方差矩阵，uk-1表示输入的低氧信号，表示的协方差，Pk-1表示k-1时刻的状态可信度，表示的转置； 之后将预测的结果带入卡尔曼增益计算， 其中是虚拟测量过程误差协方差矩阵，Hk表示虚拟测量过程雅各比矩阵，HTk表示Hk的转置，Kk表示两种数据来源可靠度的比； 最后进行状态更新和误差协方差更新， 其中表示更新后评估的低氧损伤风险状态，是该时刻最终输出的损伤风险，表示期望，Pk表示K时刻的协方差，并将其作为下一时刻误差协方差计算中的输入，I表示单位矩阵； 通信与传输模块，所有模块之间进行通信的桥梁。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。