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！

龙图腾网获悉龙岩学院申请的专利用于帕金森病运动症状的时空特征量化评估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：CN121129214B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511690763.8，技术领域涉及：A61B5/00；该发明授权用于帕金森病运动症状的时空特征量化评估方法是由王清辉;陈子扬;曾玮;张百祥;刘凤琳;王颖;陈衍贵;潘丽英;兰金楷;华何柳;吴文宝;杜少毅设计研发完成，并于2025-11-18向国家知识产权局提交的专利申请。

本用于帕金森病运动症状的时空特征量化评估方法在说明书摘要公布了：本发明涉及医疗数据分析技术领域，具体为用于帕金森病运动症状的时空特征量化评估方法，包括：部署惯性测量单元采集三维加速度角速度磁场数据，构建人体连接结构生成连接神经网络拓扑结构，计算轨迹方向角度与角速度变化自适应加权判断稳定性，聚合邻接特征多轮卷积传播形成时空融合运动特征集，按时间序列多头注意识别震颤步态幅值提取时序特征模式，计算震颤步态协调性生成帕金森病运动症状量化评估结果，本发明中，通过构建传感器网络运动数据拓扑连接，融合多维部位信息捕捉肢体协调性，通过自适应权重衰减与连接卷积深度聚合特征，保持时序稳定捕捉远程关联，结合多头注意力细辨震颤频率与步态变化，提高帕金森症状识别与评估一致性。

本发明授权用于帕金森病运动症状的时空特征量化评估方法在权利要求书中公布了：1.用于帕金森病运动症状的时空特征量化评估方法，其特征在于，包括以下步骤： S1：通过在患者四肢关节与躯干部位部署惯性测量单元传感器获取三维加速度数据、角速度数据、磁场强度数据，构建传感器为节点、人体肢体连接为边的连接结构，生成连接神经网络拓扑结构；S1的具体步骤为： S101：通过在患者四肢关节与躯干部位部署惯性测量单元传感器，监测加速度信号、角速度信号与磁场强度信号，对时间戳进行帧间对齐并执行幅值归一化计算，依据传感器标识与空间位置信息，生成传感器节点索引集； S102：基于所述传感器节点索引集，获取节点间三维坐标数据，计算相邻节点欧氏距离向量与方向角，针对距离向量与肢体连接判定阈值执行比较，记录距离向量低于阈值的节点编号对并编码整合，生成肢体连接边集； S103：根据所述肢体连接边集与传感器节点索引集，对节点数据向量执行聚合计算并矩阵化编码，依据编码结果计算节点属性与边连接权值间的对应关系，得到连接神经网络拓扑结构； S2：调用所述连接神经网络拓扑结构中节点轨迹点坐标参数，计算相邻轨迹段方向变化角度与角速度变化量，采用自适应权重衰减算法对运动特征进行稳定性判断，生成连接卷积网络权重参数；S2的具体步骤为： S201：获取所述连接神经网络拓扑结构中的节点轨迹点坐标参数，对相邻节点坐标向量执行差分运算，根据方向向量差值与方向变化基准值的比较结果提取轨迹段方向变化幅度序列，生成方向变化角度序列集； S202：基于所述方向变化角度序列集，对轨迹段间角度差值执行时间差分，计算角度变化梯度，再依据变化梯度与轨迹点采样时间间隔的比值确定角速度变化量，建立角速度变化参数集； S203：调用所述角速度变化参数集并与轨迹段方向变化幅度序列进行配对映射，对配对数据波动幅度执行自适应权重衰减处理，依据衰减系数收敛特性判断运动特征稳定性，生成连接卷积网络权重参数； S3：根据所述连接卷积网络权重参数对节点邻接运动特征参数进行加权聚合计算，根据连接神经网络传播机制通过多轮连接卷积处理跨拓扑层级节点间的运动关联信息，形成时空融合运动特征集；S3的具体步骤为： S301：基于所述连接卷积网络权重参数，对节点邻接关系中的运动特征参数执行加权计算，根据节点连接权值比例进行特征聚合，重构节点局部邻域的运动向量结构，生成节点加权运动表示集； S302：根据所述节点加权运动表示集，采用连接神经网络传播机制的邻接节点索引关系，对节点表示向量执行多轮传播聚合，计算特征相似度并筛选相似度值达到相似度阈值的节点向量执行特征融合，生成全局传播运动特征集； S303：针对所述全局传播运动特征集，依据时间索引标识与空间节点坐标参数，对时间分量与空间分量执行关联计算并分析时空耦合关系，生成时空融合运动特征集； S4：基于所述时空融合运动特征集按时间序列排列获取时序特征数据，采用多头注意力机制对震颤频率峰值、步态周期变化、运动幅值波动进行时序模式识别，提取帕金森病症状时序特征模式。

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龙岩学院，其通讯地址为：364012 福建省龙岩市新罗区东肖北路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。