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！

龙图腾网获悉贵州装备制造职业学院申请的专利基于数据融合的智能体征检测和辅助决策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：CN120432148B 。

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：202510475855.8，技术领域涉及：G16H50/30；该发明授权基于数据融合的智能体征检测和辅助决策系统是由黄龙亮;卢俊坤;胡鹏飞;陈玉洁;杨京松;曾正现;李承胜;黄赢亿;孙荣雪设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本基于数据融合的智能体征检测和辅助决策系统在说明书摘要公布了：本发明提供了一种基于数据融合的智能体征检测和辅助决策系统。应用于体征检测及辅助治疗技术领域，所述系统包括：采集和预处理模块，用于采集病人的多模态人体体征数据并进行预处理；模型构建及优化模块，用于构建结合随机森林和ReliefF算法的数据特征提取和层策略进行模型训练，预测得到体征检测结果；刺激电极调节模块，用于根据预测的所述体征检测结果，采用自适应比例－积分－微分控制算法的反馈机制，动态调节刺激电极的强度、频率和位置；数据可视化模块，用于将多模态人体体征数据、体征检测结果以及电极刺激实时状况以数据可视化方式实时呈现，辅助医生操作与决策。本发明提高了医疗健康检测系统的准确度、实用性和科学性。

本发明授权基于数据融合的智能体征检测和辅助决策系统在权利要求书中公布了：1.一种基于数据融合的智能体征检测和辅助决策系统，其特征在于，包括： 采集和预处理模块，用于采集病人的多模态人体体征数据并进行预处理，所述多模态人体体征数据包括心率、血压、皮肤电阻和肌电信号； 模型构建及优化模块，用于构建结合随机森林和ReliefF算法的数据特征提取和分层策略进行模型训练，并将其融入基于多模态输入和无标签目标数据的跨域低样本自我中心识别任务，以优化目标数据的分类任务，并且通过动态掩码生成和多次推理集成预测得到体征检测结果，包括：构建跨域低样本学习任务，将多模态人体体征数据集划分为有标签源数据集Ds和无标签目标数据集DTu，目标数据集DTu进一步划分为支持集S和查询集Q，用于模型训练和测试；构建结合随机森林和ReliefF算法的数据特征提取与分层策略，实现目标数据特征的分层筛选；将所述数据特征提取与分层策略应用到多个数据训练阶段，结合域适应与多模态蒸馏、时空立方体重建及集成掩码推理进行分类性能的优化，预测得到体征检测结果； 其中，构建结合随机森林和ReliefF算法的数据特征提取与分层策略，实现目标数据特征的分层筛选，包括：从原始样本数据中随机采样多个子集，每个子集用于训练一棵决策树，最终构建随机森林；在构建随机森林后，使用ReliefF计算特征的重要性权重，实现目标数据特征的分层筛选，得到特征的权重；根据特征权重排序，将通过随机森林和ReliefF算法从多模态人体体征数据中提取的特征数据划分为高权重集合、中权重集合和低权重集合，并在每个集合内均匀采样特征； 其中，将所述数据特征提取与分层策略应用到多个数据训练阶段，结合域适应与多模态蒸馏、时空立方体重建及集成掩码推理进行分类性能的优化，预测得到体征检测结果，包括：定义由学生编码器的RGB特征和教师编码器的多模态特征投影后的总和组成的类别判别性特征；通过掩码自动编码器进行自监督预训练，优化重建损失和交叉熵损失；在多模态蒸馏阶段，引入随机森林和ReliefF特征筛选，使得蒸馏过程能够自适应地选择最具判别性的特征，即从预处理后的多模态数据中提取得到类别判别性特征，优化疾病分类的决策边界，从而实现在目标域中的高效知识传递与模型优化，包括：引入多模态蒸馏损失，利用教师编码器和RGB学生编码器进行特征对齐；在支持集S上训练分类器，模型中引入编码器-解码器架构来提取数据的深层次特征并通过时空立方体重建优化分类损失；采用动态掩码生成和多次推理集成，对查询集Q进行预测，输出最终的预测结果，即体征检测结果； 刺激电极调节模块，用于根据预测的所述体征检测结果，采用自适应比例－积分－微分控制算法的反馈机制，动态调节刺激电极的强度、频率和位置； 数据可视化模块，用于将多模态人体体征数据、体征检测结果以及电极刺激实时状况以数据可视化方式实时呈现，辅助医生操作与决策。

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贵州装备制造职业学院，其通讯地址为：551499 贵州省贵阳市清镇职教城东区将军石路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。