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！

龙图腾网获悉重庆医科大学申请的专利结核潜伏感染深度学习辅助预防及治疗管理平台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：CN120432189B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510525438.X，技术领域涉及：G16H50/80；该发明授权结核潜伏感染深度学习辅助预防及治疗管理平台是由潘玺灿;陈玲;鲁绍聪;袁仪;吕荷设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本结核潜伏感染深度学习辅助预防及治疗管理平台在说明书摘要公布了：本发明公开了结核潜伏感染深度学习辅助预防及治疗管理平台，涉及结核潜伏感染辅助预防技术领域，包括数据采集与动态监控模块、数据预处理与组织模块、冲突特征提取与分析模块、深度学习冲突评估模块以及动态权重调整与优化模块：数据采集与动态监控模块，实时获取多模态数据的融合参数信息，确保在数据融合过程中能够对每一项输入进行动态监控，从而为后续的冲突检测、特征提取和智能评估提供基础数据。本发明通过实时监控多模态数据融合参数，提取冲突特征并借助深度学习模型智能评估数据源冲突，动态调整权重，优化数据融合过程。该方案提升结核潜伏感染风险评估准确性，避免误诊漏诊，推动精准医疗和个性化治疗实施。

本发明授权结核潜伏感染深度学习辅助预防及治疗管理平台在权利要求书中公布了：1.结核潜伏感染深度学习辅助预防及治疗管理平台，其特征在于，包括数据采集与动态监控模块、数据预处理与组织模块、冲突特征提取与分析模块、深度学习冲突评估模块以及动态权重调整与优化模块： 数据采集与动态监控模块，实时获取多模态数据的融合参数信息，确保在数据融合过程中能够对每一项输入进行动态监控； 数据预处理与组织模块，将获取的多模态数据融合参数信息组织成一个统一的数据集合，并对数据集合内的多模态数据融合参数信息进行预处理； 冲突特征提取与分析模块，通过特征工程技术从预处理后的数据中提取出反映数据融合存在冲突的关键特征，并对提取的关键特征进行分析； 深度学习冲突评估模块，将经过分析后的关键特征输入至预先学习好的深度学习模型中，通过学习模型识别数据融合过程中是否存在冲突； 动态权重调整与优化模块，在检测到数据融合过程中存在冲突并评估其严重性后，根据每个数据源的可靠性和冲突严重程度进行动态权重调整； 通过特征工程技术从预处理后的数据中提取出反映数据融合存在冲突的关键特征，提取的特征包括每个数据源在多模态融合过程中对最终决策的贡献变化和多模态数据融合过程中产生的误差变化，将每个数据源在多模态融合过程中对最终决策的贡献变化和多模态数据融合过程中产生的误差变化在检测窗口下进行分析分别生成数据源贡献变化参考值和数据融合误差参考值，通过数据源贡献变化参考值量化各个数据源在多模态数据融合过程中的影响力和贡献的变化情况，通过数据融合误差参考值则用于衡量多模态数据融合过程中出现的不一致性随时间变化的情况； 将每个数据源在多模态融合过程中对最终决策的贡献变化在检测窗口下进行分析生成数据源贡献变化参考值的具体步骤如下： 在多模态数据融合过程中，每个数据源对最终决策的贡献会随着数据输入的变化而不断调整，为量化数据源在每个时间点上的贡献，引入动态权重函数，通过考虑数据源的特征重要性与融合模型的响应来计算，计算表达式如下：， 式中，是第个数据源在时间时对决策的贡献权重，是第个数据源在时刻上的特征强度，是时间时的第个数据源相关的动态调整因子，是第个数据源在时刻上的特征强度，是时间时的第个数据源相关的动态调整因子，是多模态数据融合过程中使用的所有数据源的总数； 接下来，通过对每个数据源的动态贡献进行时间序列分析，计算每个数据源贡献的变化情况，引入贡献变化指数，量化数据源在当前时间与前一时刻之间的贡献变化，计算表达式如下：， 式中，是贡献变化指数，表示第个数据源在时刻的贡献变化指数，是第个数据源在时间时对决策的贡献权重，是第个数据源的冲突调整因子，是一个时间依赖性因子，表示第个数据源在当前时刻受到的外部环境变化的影响； 最后，整体评估多模态数据融合中所有数据源的冲突情况，将各数据源的贡献变化指数进行融合，生成数据源贡献变化参考值，计算表达式如下：， 式中，是数据源贡献变化参考值； 将多模态数据融合过程中产生的误差变化在检测窗口下进行分析生成数据融合误差参考值的具体步骤如下： 在生成数据融合误差指数的第一步中，首先计算每个数据源的误差，每个数据源的误差表示为该数据源对最终预测结果产生的偏差，误差计算表达式如下：， 式中，是第个数据源的误差，是在第个样本上的第个数据源的预测结果，是第个样本的实际值，是第个数据源的误差放大指数，是数据集中的样本总数，即模型进行预测时处理的样本数目； 在计算各个数据源的误差后，然后将获取的误差进行加权融合，得到综合的误差值，将每个数据源的误差按其对融合结果的重要性加权，计算表达式如下：， 式中，是所有数据源融合后的总误差，是第个数据源的权重，是第个数据源的误差放大指数，是多模态数据融合过程中使用的所有数据源的总数； 最后将融合后的误差值转化为数据融合误差参考值，用于量化多模态数据融合过程中存在的冲突程度，使用非线性函数将融合后的误差进行映射，计算表达式如下：， 式中，是数据融合误差参考值，是第个数据源的权重系数，是第个数据源误差的加权非线性变换。

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重庆医科大学，其通讯地址为：400000 重庆市渝中区医学院路1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。