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！

龙图腾网获悉上海交通大学医学院附属仁济医院申请的专利基于心电的人类衰老识别模型构建系统及存储介质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：CN121215284B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511756970.9，技术领域涉及：G16H50/50；该发明授权基于心电的人类衰老识别模型构建系统及存储介质是由卜军;陈一凡;黄泓豪;丁嵩;徐伟设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于心电的人类衰老识别模型构建系统及存储介质在说明书摘要公布了：本发明提供了一种基于心电的人类衰老识别模型构建系统及存储介质，本发明突破了既往模型基于单一的年龄识别评估人类衰老的局限性，本发明通过建立包含心电数据和表观遗传年龄等生物学衰老标注的数据集，训练深度学习模型，该模型能同时识别个体的绝对和相对衰老水平，能够实现高效、客观的衰老评估，并为健康管理提供个性化提示，具有无创、精准的优势。

本发明授权基于心电的人类衰老识别模型构建系统及存储介质在权利要求书中公布了：1.一种基于心电的人类衰老识别模型构建系统，其特征在于，包括： 第一数据采集模块，用于获取各个样本受试者的原始心电数据，与原始心电数据匹配的表观遗传年龄； 第二数据采集模块，用于将原始心电数据转换为预处理后的统一长度的心电信号，将各个样本受试者的预处理后的统一长度的心电信号及对应的表观遗传年龄，作为人类衰老识别数据集； 训练模块，用于建立初始绝对衰老水平识别模型和相对衰老水平计算模块；及基于所述人类衰老识别数据集中的心电信号和表观遗传年龄，对所述初始绝对衰老水平识别模型进行训练，得到训练完成的绝对衰老水平识别模型； 识别模块，用于获取待识别受试者的预处理后的统一长度的心电信号和实际年龄,将待识别的心电信号输入训练完成的绝对衰老水平识别模型，得到待识别受试者的对应的表观遗传年龄；基于待识别受试者的表观遗传年龄和实际年龄，通过相对衰老水平计算模块计算待识别受试者的相对衰老水平； 所述训练模块，用于将人类衰老识别数据集中数据，按照70%:10%:20%的比例，随机划分为互不重叠的训练集、验证集和测试集；其中，所述训练集用于绝对衰老水平识别模型参数的学习和训练，绝对衰老水平识别模型学习从人类衰老识别数据集中的预处理后的统一长度的心电信号的输入，到人类衰老识别数据集中的对应的表观遗传年龄的输出之间的复杂映射关系；所述验证集用于模型训练过程中的超参数调优的验证；所述测试集用于对最终确定的绝对衰老水平识别模型进行性能评估；在卷积神经网络的基础模型上进行绝对衰老识别模型的迁移学习训练，在所述基础模型采用PreOpNet架构以前馈方式，分析12导联心电图波形的统一长度的心电信号；在Linux工作站上进行绝对衰老水平识别模型的训练； 所述基础模型的首层采用空洞卷积结构，后续连接多通道一维卷积层；基础模型的层数参照EfficientNet的设计理念；在初始空洞卷积层后，基础模型引入具有倒残差结构的卷积模块，基础模型的输入和输出均为瓶颈层，中间嵌入特征维度的扩张层；在每组瓶颈层、扩张层和瓶颈层的结构中，输入通道数逐步递增以实现多导联间信息的融合，最终输出为表观遗传年龄； 所述训练模块，用于绝对衰老水平识别模型的权重采用随机初始化，使用L1损失函数，通过ADAM优化器以1e-3至1e-4的初始学习率训练100个周期；训练过程中，根据验证集的平均绝对误差实施早停策略，在保持其他超参数不变的前提下，通过网格搜索对空洞卷积的膨胀系数与步长进行超参数调优，以在验证集上获取最优的回归性能；并在测试集上评价当前的绝对衰老水平识别模型，若测试集平均绝对误差小于第一预设阈值，且训练集、验证集和测试集平均绝对误差的差异小于第二预设阈值，则将当前的绝对衰老水平识别模型，作为训练完成的绝对衰老水平识别模型。

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上海交通大学医学院附属仁济医院，其通讯地址为：200127 上海市浦东新区浦建路160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。