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！

龙图腾网获悉温州医科大学申请的专利一种基于人工智能的听力损伤恢复情况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：CN121366732B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511923466.3，技术领域涉及：G16H50/30；该发明授权一种基于人工智能的听力损伤恢复情况评估方法是由汪捷;郝旭钰;周矗炜;鲁益宁;胡再鑫;蒋超亦;王琳雅;熊浩;叶克鑫;梁馨元;杨乃冰;冯怡涵;王文斌;张羽乐;蔡亦泽;施雯婷;陈帜;郑静设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种基于人工智能的听力损伤恢复情况评估方法在说明书摘要公布了：本发明涉及人工智能技术领域，具体涉及一种基于人工智能的听力损伤恢复情况评估方法；包括如下依次执行的步骤：S1：采集不同频率点的听阈值数据，该听阈值数据包括治疗前的初始听阈值和治疗后的当前听阈值，同时记录患者的年龄、听力损伤类型以及噪声环境下的言语识别率，构建训练数据集，并生成初始听阈值曲线；S2：对于该训练数据集进行多频段听阈特征重组，获得多频段特征矩阵；S3：构建人工智能评估模型，获取最佳模型；S4：采用该最佳模型进行听力评估，输出预测恢复等级；采用自适应卷积核生成技术，基于患者初始听阈曲线生成动态卷积核，从而增强模型对个体化恢复模式的识别能力，聚焦关键受损频段。

本发明授权一种基于人工智能的听力损伤恢复情况评估方法在权利要求书中公布了：1.一种基于人工智能的听力损伤恢复情况评估方法，其特征在于：包括如下依次执行的步骤： S1：采集不同频率点的听阈值数据，该听阈值数据包括治疗前的初始听阈值和治疗后的当前听阈值，同时记录患者的年龄、听力损伤类型以及噪声环境下的言语识别率，构建训练数据集，并生成初始听阈值曲线； S2：对于该训练数据集进行多频段听阈特征重组：将该训练数据集划分为低频带、中频带和高频带的三个生理相关子带，计算各子带的平均听阈改善值，并集成年龄归一化因子、听力损伤类型编码和噪音言语识别率归一化值，获得多频段特征矩阵； S3：构建人工智能评估模型，获取最佳模型； 步骤S3构建人工智能评估模型的具体步骤如下： S3-1：对该初始听阈曲线进行平滑处理，获得平滑听阈曲线向量，将该平滑听阈曲线向量与该多频段特征矩阵融合，获得动态卷积核矩阵； S3-2：采用该动态卷积核矩阵对该多频段特征矩阵进行卷积操作，进行第一调制后获得时频特征图，对该多频段特征矩阵进行最大池化下采样并进行第二调制，将第二调制后的矩阵与该时频特征图进行逐元素相加，获得时频增强特征矩阵； S3-3：进行子带特征向量映射，获得查询向量和键向量，通过Softmax函数计算子带间的注意力权重矩阵，将该注意力权重矩阵与转置后的时频增强特征矩阵进行矩阵乘法，并基于子带改善值向量的协同效应获得增强交互特征矩阵； S3-4：通过Sigmoid函数计算各子带的Bark尺度感知权重矩阵，将该Bark尺度感知权重矩阵与该增强交互特征矩阵相乘，并结合损伤类型编码调制得到感知加权特征矩阵； S3-5：将该多频段特征矩阵、该时频增强特征矩阵和该感知加权特征矩阵沿行方向进行张量拼接，并基于可训练缩放系数进行缩放得到拼接复合特征矩阵，将该拼接复合特征矩阵展平为一维特征向量，并基于轻量级多层感知器捕捉跨尺度非线性交互得到融合特征向量； S3-6：将该融合特征向量与子带改善值向量拼接，并基于全连接层和Softmax函数计算类别概率分布输出预测的恢复等级类别，计算差异敏感损失函数，采用该差异敏感损失函数对模型进行反向传播，直至预设周期内验证损失不再下降或验证准确率不再提升时，输出最佳模型； S4：采用该最佳模型进行听力评估，输出预测恢复等级。

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温州医科大学，其通讯地址为：325027 浙江省温州市鹿城区学院西路82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。