Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国人民解放军空军军医大学漆伟获国家专利权

中国人民解放军空军军医大学漆伟获国家专利权

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!

龙图腾网获悉中国人民解放军空军军医大学申请的专利一种基于Transformer结构的步态足底压力智能预测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:CN121483654B

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:202610032330.1,技术领域涉及:G16H50/70;该发明授权一种基于Transformer结构的步态足底压力智能预测系统是由漆伟;张大伟;孙强;陈永锋;王远瑞;王华溢设计研发完成,并于2026-01-12向国家知识产权局提交的专利申请。

一种基于Transformer结构的步态足底压力智能预测系统在说明书摘要公布了:本发明涉及步态分析技术领域,公开了一种基于Transformer结构的步态足底压力智能预测系统,包括步态采集平台、足底压力采集装置、步态运动学采集装置、中央处理服务器和显示终端。系统通过下肢多刚体链式生物力学模型与足–地接触力学求解获得初始足底压力分布;并在中央处理服务器中构建门控前缀记忆滑动窗口Transformer,对初始压力矩阵和步态特征进行时序建模与空间校正,生成符合生物力学规律的足底压力预测结果。该系统有效解决了传统方法预测不稳定、泛化能力弱及缺乏可解释性的问题,实现了更高精度的足底压力预测,可用于步态评估、康复训练和矫形器定制。

本发明授权一种基于Transformer结构的步态足底压力智能预测系统在权利要求书中公布了:1.一种基于Transformer结构的步态足底压力智能预测系统,其特征在于,该系统包括: 足底压力采集装置,采集足底压力原始数据; 步态运动学采集装置,记录步态运动学数据; 中央处理服务器,对足底压力原始数据和步态运动学数据进行处理,生成校正足底压力分布预测矩阵并转换为伪彩色压力分布图、区域压力统计指标及风险评分结果,发送至显示与交互终端; 显示与交互终端,设置于医生工作站和康复训练区终端,包括显示器和人机交互界面,用于呈现足底压力分布预测结果; 所述中央处理服务器包括:数据预处理模块、特征提取模块、步态生物力学建模模块、足底接触力学求解模块和足底压力深度校正模块; 特征提取模块,构建结构化步态特征数据; 足底接触力学求解模块,计算得到初始压力分布,形成初始足底压力预测矩阵; 足底压力深度校正模块,构建门控前缀记忆滑动窗口Transformer模型,通过门控前缀记忆滑动窗口Transformer模型,对初始足底压力预测矩阵和结构化步态特征数据执行时序特征建模与空间相关性建模,通过非线性映射机制对初始压力分布进行校正,输出校正足底压力分布预测矩阵; 门控前缀记忆滑动窗口Transformer模型的构建过程为:以Transformer模型为基础,引入前缀记忆门控与滑动窗口偏置调制机制,优化Transformer模型的时序依赖建模与局部空间敏感性,构建得到门控前缀记忆滑动窗口Transformer模型; 通过门控前缀记忆滑动窗口Transformer模型,输出校正足底压力分布预测矩阵的过程,具体包括以下步骤: 步骤S1:将初始足底压力预测矩阵按步态周期进行切片和区域统计编码,得到压力特征向量;将结构化步态特征数据进行归一化、嵌入映射与拼接,形成步态特征向量;将压力特征向量与步态特征向量在特征维度上进行加权融合,得到足底压力-步态联合特征序列; 步骤S2:针对足底压力-步态联合特征序列的每一时间步特征向量,执行线性变换与非线性激活,生成门控预激活向量与幅值调制向量;通过带有幅值调制的非线性门控函数,将门控预激活向量压缩为非负记忆门控系数; 步骤S3:基于非负记忆门控系数沿时间维度执行累加与前缀扫描运算,生成记忆衰减前缀向量;并以记忆衰减前缀向量作为门控前缀记忆滑动窗口Transformer模型注意力机制的全局偏置构建基础,通过计算任意两个时间步之间的前缀衰减差量形成门控偏置矩阵; 步骤S4:在门控前缀记忆滑动窗口Transformer模型中执行的滑动窗口注意力运算,计算当前时间步的查询向量与局部可见键向量之间的注意力得分;通过门控偏置矩阵,对注意力得分进行时间相关的衰减与增强调制,获得融合时序-空间信息的中间表示; 步骤S5:将融合时序-空间信息的中间表示和初始足底压力预测矩阵进行残差融合,通过包含归一化层与非线性激活函数的前馈网络,对足底各区域压力响应的非线性耦合关系及异常压力峰值模式进行进一步建模;在前馈网络中利用多层线性变换、激活函数与输出映射,生成校正足底压力分布预测矩阵。

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中国人民解放军空军军医大学,其通讯地址为:710000 陕西省西安市新城区长乐西路169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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。