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！

龙图腾网获悉湖南德雅曼达科技有限公司申请的专利一种基于深度学习的医院感染AI智能预警与数据管理方法及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：CN121641370B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610156646.1，技术领域涉及：G16H40/20；该发明授权一种基于深度学习的医院感染AI智能预警与数据管理方法及系统是由孙鹏;刘雨鑫;孙玉姣;罗方义;郑首昌设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本一种基于深度学习的医院感染AI智能预警与数据管理方法及系统在说明书摘要公布了：本发明属于智慧医疗管理的技术领域，具体涉及一种基于深度学习的医院感染AI智能预警与数据管理方法及系统，所述方法包括采集患者多源医疗数据，构建结构化输入特征，训练感染风险预测模型，并对患者感染风险进行实时推理、空间比对与风险路径分析；所述系统包括数据采集模块、模型训练模块、模型推理模块、风险比对模块、多层次评估模块和感染防控业务管理模块，各模块协同运行，实现感染风险的预测、识别与传播路径图谱化管理。该发明提升了院内感染预警的智能化与可视化水平，具备实时性强、数据结构清晰、可追溯性好的优势。

本发明授权一种基于深度学习的医院感染AI智能预警与数据管理方法及系统在权利要求书中公布了：1.一种基于深度学习的医院感染AI智能预警与数据管理方法，其特征在于，包括以下步骤： S1、构建基于结构化历史数据的医院感染风险深度学习模型： 建立医院感染风险的深度学习模型，获取包含患者身份信息、疾病类型、检验结果、菌株感染信息、抗生素使用记录、护理记录及床位信息的结构化历史数据，使用结构化数据作为输入特征，对医院感染的确定性结果进行监督学习，将结构化数据输入神经网络进行训练，并将训练得到的权重参数存储至本地服务器； S2、采集多源医疗数据并生成统一格式的模型输入特征： 在医院信息化系统中实时采集多源医疗数据，形成统一格式的输入特征，并输入所述深度学习模型进行感染风险预测； S3、划分训练数据集并执行感染风险模型的归一化训练与拟合监控： 将结构化数据划分为训练集、验证集和测试集，对患者的抗生素使用信息、菌株分布、护理操作频次与床位变更数据进行归一化处理，结合标签型数据进行模型训练，记录网络损失函数的收敛过程，监控模型拟合过程中的损失值及准确率指标，并输出风险预测结果；结合标签型数据进行模型训练的步骤包括： S31、根据历史感染溯源数据获取感染患者的特征信息，自动生成感染溯源结构化数据标签，作为模型训练的标签型数据； S32、以不同医护等级的病区数据集作为对照，分析抗生素使用规律、菌株分布模式、护理记录中的菌阴性阳性标记和ICU区域内插管患者比例，结合每位患者的风险清单，评估各项临床路径的院感风险等级； S33、在跨科室风险关联图谱中对病区范围内的所有患者感染风险进行分布，确定潜在的高风险传染源及目标患者群体； S4、输出患者感染风险预测结果并完成空间域数据比对与平台上报： 根据当前患者感染风险预测值生成匿名化的结构化输出文件，上传至中央服务器，结合实时生成的数据与已有数据进行校验，并与相邻床位和同楼层患者的预测值进行比对，将高风险患者的感染风险预测值上报至感染风险预警平台； S5、基于跨科室风险关联结构实现病区级感染风险预警与联动响应： 具体包括： S51、将神经网络预测的感染风险结果用于构建面向感染风险的匿名数据输出文档，自动生成当前患者与历史样本的感染风险关联目录，并按照风险等级和时间分区记录感染风险与床位更换路径； S52、将患者感染风险预测值与空间位置进行关联，并上传至中央服务器进行数据校验，实时生成双向结构化数据，将预测值与床位结构相互映射，构建基于实际数据与模型预测结果的校验向量，并与相邻病区患者上传的结构化数据进行交叉验证； S53、在感染暴发风险区域形成结构化风险目录，包括病区名称、患者感染风险等级及抗感染措施的实施记录，并在平台上展示匿名化的感染风险关联图，向感染控制部门推送结构化风险记录，实现院内感染风险的实时智能预警功能； S6、输出结构化风险标签并支持感染控制措施决策。

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湖南德雅曼达科技有限公司，其通讯地址为：410000 湖南省长沙市长沙高新开发区尖山路39号长沙中电软件园有限公司总部大楼A381；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。