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！

龙图腾网获悉北京中西医结合医院(北京中医药大学附属中西医结合医院)申请的专利一种智能穿戴式骨盆姿态实时矫正方法及设备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：CN120458559B 。

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：202510554390.5，技术领域涉及：A61B5/11；该发明授权一种智能穿戴式骨盆姿态实时矫正方法及设备是由张琪;张小燕;仉立辉;高梅洁;李琪;徐佳设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本一种智能穿戴式骨盆姿态实时矫正方法及设备在说明书摘要公布了：本发明公开了一种智能穿戴式骨盆姿态实时矫正方法及设备，涉及智能穿戴设备技术领域，包括：在智能穿戴设备中集成骨盆姿势监测传感器，实时采集用户的骨盆运动数据；对骨盆运动数据进行处理和分析，提取与骨盆姿态相关的特征参数集；将提取到的特征参数集与预先存储的正常骨盆姿态进行比对分析；采用机器学习算法和模式识别技术，判断当前骨盆姿态是否处于正常范围内；如果检测到骨盆姿态异常，则判断骨盆姿态的异常类型以及异常程度；根据判断结果，向用户发出不同的姿态异常提醒信号。本发明能够实时捕捉骨盆细微运动特征，结合先进的机器学习算法对各种异常类型进行精准识别与分级判定，并通过动态调整反馈参数实现个性化提醒。

本发明授权一种智能穿戴式骨盆姿态实时矫正方法及设备在权利要求书中公布了：1.一种智能穿戴式骨盆姿态实时矫正方法，其特征在于，包括： 在智能穿戴设备中集成骨盆姿势监测传感器，实时采集用户的骨盆运动数据； 对所述骨盆运动数据进行处理和分析，提取与骨盆姿态相关的特征参数集； 将提取到的特征参数集与预先存储的正常骨盆姿态进行比对分析； 采用机器学习算法和模式识别技术，判断当前骨盆姿态是否处于正常范围内； 如果检测到骨盆姿态异常，则判断骨盆姿态的异常类型以及异常程度； 根据判断结果，向用户发出不同的姿态异常提醒信号； 提取出与骨盆姿态相关的特征参数集，包括： 基于特征金字塔网络，引入改进的侧边融合网络，建立骨盆姿态特征提取网络； 通过所述骨盆姿态特征提取网络提取出与骨盆姿态相关的特征参数集； 基于特征金字塔网络，引入改进的侧边融合网络，建立骨盆姿态特征提取网络，包括： 采用特征金字塔网络对骨盆运动数据进行分阶段处理；在每个阶段，依次执行卷积操作，接着执行池化操作，得到不同阶段的特征参数{C1，C2，C3，C4，C5}； 采用自顶向下的融合路径，利用上采样方法对顶层的特征参数{C5}进行放大处理，使其维度尺寸与上一阶段的特征参数一致； 将放大后的特征参数与上一阶段的特征参数进行对应元素相加，获得融合特征参数{P2，P3，P4，P5}； 引入侧边融合网络结构，在同一阶段且同一尺度的特征层之间，设定{N1}直接等于{C1}，{N5}直接等于{C5}，保持其不变； 在此基础上，增加从{C2，C3，C4}到{N2，N3，N4}的跳跃连接路径；通过所述跳跃连接路径将{C2，C3，C4}的特征参数与经过自顶向下融合后的{P2，P3，P4}特征参数进行侧边融合操作，生成包含本层特征信息以及融合了顶层特征信息的{N1，N2，N3，N4，N5}特征参数集； 采用机器学习算法和模式识别技术，判断当前骨盆姿态是否处于正常范围内，包括： 选取特征参数集中的一个特征参数构建新优化问题，并用该新优化问题替换传统SVM模型中的基本优化问题； 选择sigmoid核函数为传统SVM模型的核函数，得到初步改进SVM模型； 对初步改进SVM模型进行超参数优化，更新其最优的权重向量ω和偏置项b，得到训练后的改进SVM模型； 以平均绝对误差、均方根误差为基础，得到相关系数R和相对误差σ的值，使用R和σ来评估训练后的改进SVM模型的性能，同时，通过调整正则化参数C来控制训练后的改进SVM模型的复杂度； 将评估后的改进SVM模型用于特征参数集中新的数据，并计算评估后的改进SVM模型里的ω·xi+b的值，将数据分配给计算值大于0.05的类别，得到分类后的改进SVM模型； 使特征参数集中的其他特征参数重复上述操作，输出并更新初步改进SVM模型的权重和偏置，完成初步改进SVM模型学习，得到最终改进SVM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北京中西医结合医院(北京中医药大学附属中西医结合医院)，其通讯地址为：100039 北京市海淀区永定路86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。