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！

龙图腾网获悉贵州大学;贵州医科大学申请的专利一种基于多维测试的AD早期预警模型构建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：CN120895253B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202511420740.5，技术领域涉及：G16H50/30；该发明授权一种基于多维测试的AD早期预警模型构建方法及系统是由雷莉;向松;郑乾;屠秋霞;张贵江设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本一种基于多维测试的AD早期预警模型构建方法及系统在说明书摘要公布了：本发明涉及医疗健康技术领域，提供了一种基于多维测试的AD早期预警模型构建方法及系统，包括：采集多个受试者的神经影像数据、生物标志物数据及临床特征数据，对神经影像数据集异常数据筛查，对生物标志物数据集进行数据清洗，对临床特征数据集进行数据编码，分别对预处理神经影像数据集及预处理生物标志物数据集进行特征提取，得到神经影像特征集及生物标志物特征集，构建多维特征矩阵集，利用训练集矩阵子集与测试集矩阵子集获取加权多维特征矩阵集，利用加权多维特征矩阵集对临床预测模型进行训练，得到早期预警实验模型，对早期预警实验模型进行测试，得到早期预警模型。本发明可解决单一数据源诊断精度低及异常数据干扰的问题。

本发明授权一种基于多维测试的AD早期预警模型构建方法及系统在权利要求书中公布了：1.一种基于多维测试的AD早期预警模型构建系统，其特征在于，所述系统包括： 数据采集模块，用于采集标识有受试者标签的多个受试者中每一个受试者的神经影像数据、生物标志物数据及临床特征数据，得到神经影像数据集、生物标志物数据集及临床特征数据集，且所述受试者标签为健康受试者或患病受试者； 数据处理模块，用于对神经影像数据集进行异常数据筛查，得到预处理神经影像数据集，包括： 将神经影像数据集中的多个神经影像数据均与预构建的标准模板空间对齐，得到标准化神经影像数据集，其中，标准化神经影像数据集中包括多个标准化神经影像数据； 对标准化神经影像数据集中的标准化神经影像数据均进行强度归一化，得到归一化神经影像数据集； 对归一化神经影像数据集进行降噪处理，得到降噪后的归一化神经影像数据集； 对降噪后的归一化神经影像数据集进行异常筛查，得到一个或多个异常影像数据，将所述一个或多个异常影像数据从降噪后的归一化神经影像数据集中剔除，得到预处理神经影像数据集； 对生物标志物数据集进行数据清洗，得到预处理生物标志物数据集，包括： 对生物标志物数据集进行缺失数据检测，得到缺失数据检测报告； 根据缺失数据检测报告确认出缺失数据，利用预构建的随机森林填充法对缺失数据进行插补，得到完整生物标志物数据集； 对所述完整生物标志物数据集进行特征信号提取，得到原始生物标志物序列集； 利用预构建的局部离群因子算法对所述原始生物标志物序列集进行异常因子计算，得到多个局部离群因子值，其中，所述局部离群因子算法计算公式如下所示： ； 其中，表示原始生物标志物序列集数据点所对应的局部离群因子值，表示原始生物标志物序列集中的数据点，表示预设的邻域值，表示第个与最近的原始生物标志物序列邻居，表示第个邻居点的局部可达密度，表示的局部可达密度； 对所述多个局部离群因子值均进行阈值判定，得到异常值检测报告； 根据所述异常值检测报告确认出极端异常值，利用随机森林填充法对极端异常值进行修正，得到修正生物标志物数据集； 对修正生物标志物数据集进行归一化处理，得到预处理生物标志物数据集； 对临床特征数据集进行数据编码，得到预处理临床特征数据集，包括： 对临床特征数据集进行特征分类，得到累积型特征集及判断型特征集； 对累积型特征集中的多个累积型特征均进行连续型编码，得到连续变量数据集； 对判断型特征集中的多个判断型特征均进行离散编码，得到离散变量数据集； 将连续变量数据集与离散变量数据集进行合并，得到临床特征编码数据集； 对临床特征编码数据集进行归一化处理，得到预处理临床特征数据集； 分别对预处理神经影像数据集及预处理生物标志物数据集进行特征提取，得到神经影像特征集及生物标志物特征集； 加权融合模块，用于利用神经影像特征集、生物标志物特征集及预处理临床特征数据集构建多维特征矩阵集； 从多维特征矩阵集中随机抽样，得到训练集矩阵子集与测试集矩阵子集，利用所述训练集矩阵子集与测试集矩阵子集获取加权多维特征矩阵集； 模型构建模块，用于利用加权多维特征矩阵集对预构建的临床预测模型进行训练，得到早期预警实验模型，对早期预警实验模型进行测试，得到测试评估结果； 根据测试评估结果优化早期预警实验模型，得到早期预警模型，包括： 利用测试评估结果获取预测准确率，将预测准确率与预设的准确率阈值进行比较，确认预测准确率低于准确率阈值，则利用预构建的自适应学习率调整算法计算优化学习率，计算公式如下所示： ； 其中，表示优化学习率，表示早期预警实验模型的学习率，表示敏感度系数，表示放大系数，表示准确率阈值，表示预测准确率，表示遗忘因子系数，表示上一轮学习率，当第一次进行优化时，为0，表示双曲正切函数； 利用所述优化学习率对早期预警实验模型的学习率进行调整，以调整后的早期预警实验模型作为早期预警实验模型，将多个加权多维特征矩阵均输入至早期预警实验模型，得到测试评估结果的步骤，直至预测准确率大于等于准确率阈值，确认该早期预警实验模型为早期预警模型。

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贵州大学;贵州医科大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学；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。