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！

龙图腾网获悉江苏省中医院;徐州市中医院申请的专利一种基于HRV智能监测的围手术期应激识别方法和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：CN121191697B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511434749.1，技术领域涉及：G16H20/40；该发明授权一种基于HRV智能监测的围手术期应激识别方法和系统是由江志伟;卢飞飞;王隽设计研发完成，并于2025-10-09向国家知识产权局提交的专利申请。

本一种基于HRV智能监测的围手术期应激识别方法和系统在说明书摘要公布了：本发明提供一种基于HRV智能监测的围手术期应激识别方法和系统，涉及医学数据处理技术领域，所述方法包括：确定监测周期所处的围手术期中的分段时期；确定多种HRV数据和生理指标数据，及其第一输入向量和第二输入向量；根据分段时期和监测周期的开始时刻，确定时段编码信息；进而通过应激识别模型，确定应激指标。根据本发明，可通过穿戴式的生理信号采集装置，获取患者在围手术期的多种信号，并利用HRV信号能够反映交感神经状况的特点，识别各个分段时期中患者是否出现应激反应，并利用多种生理指标数据进行辅助判断，提升识别的准确性和置信度，并且，可不断获取和更新采集的多种数据，提升识别的及时性。

本发明授权一种基于HRV智能监测的围手术期应激识别方法和系统在权利要求书中公布了：1.一种基于HRV智能监测的围手术期应激识别方法，其特征在于，包括： 在围手术期开始时，为患者穿戴生理信号采集装置； 确定当前监测周期所处的围手术期中的分段时期； 通过生理信号采集装置，确定当前监测周期的多种HRV数据，以及当前监测周期内多个时刻的生理指标数据； 根据多种HRV数据，获得应激识别模型的第一输入向量； 根据当前监测周期内多个时刻的生理指标数据，获得与每种生理指标数据对应的第二输入向量； 根据所述分段时期和所述监测周期的开始时刻，确定时段编码信息； 根据所述时段编码信息、所述第一输入向量、所述第二输入向量和所述应激识别模型，确定患者的应激指标； 根据患者的应激指标，确定应激提示信息； 根据多种HRV数据，获得应激识别模型的第一输入向量，包括： 将多种HRV数据组成HRV数据向量； 通过应激识别模型的第一多层感知网络层级对HRV数据向量进行处理，获得第一输入向量； 根据监测周期内多个时刻的生理指标数据，获得与每种生理指标数据对应的第二输入向量，包括： 将监测周期内多个时刻的生理指标数据组成生理指标数据序列； 通过应激识别模型的1D卷积网络层级对生理指标数据序列进行处理，获得与生理指标数据对应的第二输入向量； 根据所述分段时期和所述监测周期的开始时刻，确定时段编码信息，包括： 确定监测周期的开始时刻在所述分段时期中的第一序号； 将所述分段时期的类别信息和所述第一序号进行组合，获得时段向量； 通过应激识别模型的第二多层感知网络层级对时段向量进行处理，获得所述时段编码信息； 根据所述时段编码信息、所述第一输入向量、所述第二输入向量和所述应激识别模型，确定患者的应激指标，包括： 将第一输入向量和多种生理指标数据的第二输入向量分别作为图结构的节点的输入向量； 通过应激识别模型的第三多层感知网络层级对时段编码信息进行处理，获得与所述监测周期对应的注意力机制； 根据各个节点的输入向量以及与所述监测周期对应的注意力机制，获得各个节点之间的连接权重； 通过应激识别模型的图神经网络子模型，对所述图结构的节点的输入向量和各个节点之间的连接权重进行处理，获得各个节点的输出向量； 根据所述时段编码信息和各个节点的输出向量，获得当前监测周期的第一输出向量； 根据所述时段编码信息和所述第一输出向量，确定患者的应激指标； 所述应激识别模型的训练步骤包括： 分别获取在围手术期的各个分段时期出现应激的样本患者，以及未出现应激的样本患者的第一样本输入向量、第二样本输入向量和样本时段编码信息； 将未出现应激的样本患者在各个分段时期的预设类型的HRV数据和生理指标数据中的至少一种进行调整，获得伪样本患者的第一样本输入向量、第二样本输入向量和样本时段编码信息； 选取伪样本患者的样本时段编码信息，输入应激识别模型的第三多层感知网络层级，获得训练注意力机制； 通过第一全连接层和第一激活层，对训练注意力机制进行处理，获得调整类型识别结果； 根据调整类型识别结果和进行调整的HRV数据和生理指标数据，确定注意力损失函数； 选取任意样本患者或伪样本患者的第一样本输入向量、第二样本输入向量和样本时段编码信息，并获得对应的训练时段映射向量和训练状态转移矩阵； 通过第二全连接层和第二激活层对训练状态转移矩阵进行处理，获得训练时段向量，并与训练时段映射向量进行拼接，获得训练时段识别向量； 通过第三全连接层和第三激活层对训练时段识别向量进行处理，获得训练时段识别结果； 根据所述训练时段识别结果、样本时段编码信息对应的分段时期以及样本时段编码信息对应的监测周期的开始时刻在分段时期中的第一序号，确定分段识别损失函数； 通过应激识别模型对选取的样本患者或伪样本患者的第一样本输入向量、第二样本输入向量和样本时段编码信息进行处理，获得训练应激指标； 根据样本时段编码信息对应的分段时期以及样本时段编码信息对应的监测周期的开始时刻在分段时期中的第一序号，训练应激指标以及样本患者或伪样本患者的标注信息，获得应激识别损失函数； 根据应激识别损失函数、分段识别损失函数和注意力损失函数，确定应激识别模型的损失函数； 根据应激识别模型的损失函数，对应激识别模型进行训练，获得训练后的应激识别模型。

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江苏省中医院;徐州市中医院，其通讯地址为：210000 江苏省南京市汉中路155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。