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！

龙图腾网获悉成都信息工程大学;四川大学华西医院申请的专利基于双重注意力机制的术中低血压预测方法及相关产品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：CN115910335B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211376116.6，技术领域涉及：G16H50/30；该发明授权基于双重注意力机制的术中低血压预测方法及相关产品是由舒红平;幸享兰;朱涛;陈果;郝学超;王亚强设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本基于双重注意力机制的术中低血压预测方法及相关产品在说明书摘要公布了：本发明涉及医学临床技术领域，公开了基于双重注意力机制的术中低血压预测方法及相关产品，使用术中监测的生理指标，利用基于双重注意力机制的深度学习模型对术中低血压进行提前预测，使用多头注意力机制为不同的指标分配不同的权重；还使用步长注意力机制为每个时间步进行加权，让不同的时间步发挥不同的作用。本发明采用了生理指标时间步多头注意力机制和生理指标多头注意力机制的双重注意力机制，同时考虑到了生理指标时间步和生理指标对术中低血压预测的影响和作用，有利于提高术中低血压预测精度，从而让医生提前采取降压措施，降低患者的术后不良风险和死亡风险，解决了现有技术中生理指标之间以及生理指标时间步之间的相关性问题。

本发明授权基于双重注意力机制的术中低血压预测方法及相关产品在权利要求书中公布了：1.基于双重注意力机制的术中低血压预测方法，其特征在于，包括： 监测术中生理指标数据； 将监测得到的生理指标数据输入到基于双重注意力机制的深度学习模型中，输出术中低血压预测结果； 其中，所述模型包括预处理层、StepAttention层、VariableAttention层、FCN层、Gate层和输出层，所述StepAttention层和VariableAttention层均连接了一个FCN层，所述基于双重注意力机制的深度学习模型的训练方法包括： 步骤1，在预处理层将术中监测的生理指标数据作为原始样本数据，并将其处理得到所述模型可以接收的输入矩阵； 步骤2，在StepAttention层将输入矩阵映射成三个矩阵Q，K和V，其中V是表示输入特征向量，Q和K是计算注意力权重的特征向量；将Q和K做相似度计算，再将结果缩小倍得到权重，其中是时间序列的维度；使用softmax函数，按照行或列做归一化得到权重向量；将输入向量V和进行加权求和得到；多个注意力头同时计算上述步骤，将每个注意力头计算得到的输出进行拼接，然后通过线性转换得到最终的包含不同时间步长权重的时间步权重矩阵； 步骤3，将所述输入矩阵的转置矩阵输入VariableAttention层，使用多头注意力机制从不同表征空间进行学习，得到包含不同生理指标权重的生理指标权重矩阵；根据矩阵为所述输入矩阵中每个生理指标分配不同的权重； 步骤4，所述每个FCN层包含三个叠加的卷积模块，每个卷积模块包含一个一维卷积，使用BN对所述时间步权重矩阵和生理指标权重矩阵进行标准化；将标准化后的数据分别输入三个叠加的卷积模块中，通过每个卷积模块的一维卷积进行卷积操作，并采用ReLU函数作为激活函数增加神经网络的非线性因素，提取所述时间步权重矩阵和生理指标权重矩阵的生理指标空间特征，得到时间步空间特征矩阵和生理指标空间特征矩阵； 步骤5，在Gate层将所述时间步空间特征矩阵和生理指标空间特征矩阵进行融合得到新的输出矩阵； 步骤6，在输出层根据所述新的输出矩阵计算并输出术中低血压发生和不发生的概率。

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成都信息工程大学;四川大学华西医院，其通讯地址为：621005 四川省成都市西南航空港经济开发区学府路一段24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。