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！

龙图腾网获悉川北医学院附属医院;天津市中医药研究院附属医院申请的专利基于风险预测模型的慢性光化性皮炎发病风险预测方法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：CN121075657B 。

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：202511604789.6，技术领域涉及：G16H50/30；该发明授权基于风险预测模型的慢性光化性皮炎发病风险预测方法是由雷东云;胡凯;向朝虎;李琳;何俊辰;张秀君;刘勇设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本基于风险预测模型的慢性光化性皮炎发病风险预测方法在说明书摘要公布了：本发明涉及基于风险预测模型的慢性光化性皮炎发病风险预测方法，先获取待预测对象的光生物学、免疫功能、分子标志物、临床基础及生活行为等多维度指标并建立数据子集；经分层预处理、校正及可信度评分得到标准的数据集；通过方差分析和递归特征消除提取风险指标，结合Pearson相关系数与互信息值计算指标综合关联度，筛选高关联度指标构建风险特征向量；将向量输入由特征注意力机制和改进梯度提升树算法构建的多模态融合风险预测模型，输出发病概率、风险等级及核心风险因子排名；还结合皮肤分型和光敏接触史校准风险等级，调用预设防控措施表执行个性化防控。本发明实现了CAD发病风险的精准预测与个性化防控指导，提升了早期识别率与干预精准性。

本发明授权基于风险预测模型的慢性光化性皮炎发病风险预测方法在权利要求书中公布了：1.基于风险预测模型的慢性光化性皮炎发病风险预测方法，其特征在于，包括以下步骤： S1：获取待预测对象指定时间段内的光生物学指标、免疫功能动态指标、分子标志物组合指标、临床基础指标及生活行为风险指标，并分别建立相应数据子集； S2：对数据子集通过分层预处理的方式进行针对性预处理，再分别进行校正和可信度评分，保留大于等于指定评分阈值的数据，合并成数据集； S3：对数据集进行风险指标提取：先过滤低变异度无关指标，再从剩余指标中逐步剔除对预测贡献度低的指标，最终保留指定个候选指标； S4：计算各候选指标与CAD发病风险的关联度：Pearson相关系数量化线性关联，互信息值量化非线性关联，通过加权方式计算得到各指标的综合关联度； S5：按综合关联度从高到低对候选指标排序，筛选综合关联度≥阈值的指标构建风险特征向量，各维度按综合关联度赋予权重； S6：将风险特征向量输入预构建的多模态融合风险预测模型，多模态融合风险预测模型输出待预测对象的发病概率，根据发病概率获取发病风险等级及核心风险因子排名； 步骤S4中计算各候选指标与CAD发病风险的关联度的具体过程如下： S41：通过计算Pearson相关系数量化各候选指标与CAD发病风险之间的线性关联； S42：通过计算互信息值量化各候选指标与CAD发病风险之间的非线性关联； S43：基于Pearson相关系数和互信息值计算综合关联度：采用线性关联权重0.6+非线性关联权重0.4的加权公式； S44：对所有ANOVA筛选后的候选指标，重复步骤S41-S43计算各自的R综合； 步骤S5的具体过程如下： S51：对步骤S4中计算的所有候选指标计算的R综合按照从高到低排序，筛选R综合≥0.6的指标构建风险特征； S52：基于筛选的8-12个指标构建风险特征向量，并对各维度按综合关联度赋予基础权重； 还包括风险等级校准过程，具体如下： S7：依据Fitzpatrick皮肤分型标准，分为Ⅲ型与Ⅳ型，通过待预测对象的光敏明确接触史或无光敏接触史进行判定，基于皮肤分型和光敏物质接触史设置分组，并分别设置概率调整系数： S8：确定待预测对象的分组，获取相应的调整系数，基于调整系数对模型预测的发病概率进行校准，并设置发病概率边界约束，根据调整后的概率值，结合风险等级划分标准，确定最终发病风险等级； S9：基于最终发病风险等级和核心风险因子排名调用预设的风险防控措施表对待预测对象执行相应的风险防控措施。

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川北医学院附属医院;天津市中医药研究院附属医院，其通讯地址为：637000 四川省南充市顺庆区文化路63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。