買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中南大學(xué)申請(qǐng)的專(zhuān)利多任務(wù)遠(yuǎn)程數(shù)據(jù)下早期帕金森可解釋三支智能評(píng)估方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120277616B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510735373.1，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)多任務(wù)遠(yuǎn)程數(shù)據(jù)下早期帕金森可解釋三支智能評(píng)估方法是由張迪;胡軍華;李輝煜設(shè)計(jì)研發(fā)完成，并于2025-06-04向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本多任務(wù)遠(yuǎn)程數(shù)據(jù)下早期帕金森可解釋三支智能評(píng)估方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及輔助醫(yī)療評(píng)估技術(shù)領(lǐng)域，具體公開(kāi)了多任務(wù)遠(yuǎn)程數(shù)據(jù)下早期帕金森可解釋三支智能評(píng)估方法，通過(guò)融合多任務(wù)遠(yuǎn)程數(shù)據(jù)、基于決策樹(shù)引入可處理不確定性數(shù)據(jù)的模糊劃分策略和可解釋的三支決策機(jī)制，實(shí)現(xiàn)對(duì)多維癥狀特征的聯(lián)合建模。在建模過(guò)程中，以決策樹(shù)劃分點(diǎn)為中心，分別引入可學(xué)習(xí)的微調(diào)參數(shù)和偏移量參數(shù)，不斷微調(diào)劃分點(diǎn)并優(yōu)化其模糊區(qū)域邊界，實(shí)現(xiàn)決策樹(shù)劃分點(diǎn)的自適應(yīng)模糊化處理，從而構(gòu)建模糊決策樹(shù)，并以其為基礎(chǔ)，通過(guò)引入三支決策機(jī)制，能有效實(shí)現(xiàn)對(duì)早期癥狀的不確定處理與敏感識(shí)別，從而提升評(píng)估準(zhǔn)確性與臨床可用性，支持疾病的早篩與干預(yù)。因此，本發(fā)明具有較強(qiáng)的靈活性、自適應(yīng)性和對(duì)樣本不確定性的處理與解釋能力。

本發(fā)明授權(quán)多任務(wù)遠(yuǎn)程數(shù)據(jù)下早期帕金森可解釋三支智能評(píng)估方法在權(quán)利要求書(shū)中公布了：1.多任務(wù)遠(yuǎn)程數(shù)據(jù)下早期帕金森可解釋三支智能評(píng)估方法，其特征在于，包括如下步驟： 收集待測(cè)多任務(wù)遠(yuǎn)程數(shù)據(jù)，輸入到可解釋三支智能評(píng)估模型中進(jìn)行處理及分析，獲得評(píng)估結(jié)果與可解釋性報(bào)告； 當(dāng)評(píng)估結(jié)果明確患者是否患病時(shí)，直接輸出健康或患病，否則，輸出不確定且進(jìn)一步評(píng)估患病風(fēng)險(xiǎn)； 可解釋三支智能評(píng)估模型的構(gòu)建方法包括如下步驟： 步驟S1：進(jìn)行多任務(wù)遠(yuǎn)程數(shù)據(jù)的收集與處理，獲得多任務(wù)遠(yuǎn)程數(shù)據(jù)集； 步驟S2：以多任務(wù)遠(yuǎn)程數(shù)據(jù)集作為樣本集輸入到C4.5算法中構(gòu)建清晰決策樹(shù)； 步驟S3：以清晰決策樹(shù)中若干個(gè)非葉子節(jié)點(diǎn)為劃分點(diǎn)，對(duì)每個(gè)劃分點(diǎn)引入針對(duì)其位置的可學(xué)習(xí)的微調(diào)參數(shù)，對(duì)每個(gè)劃分點(diǎn)左右兩側(cè)分別引入針對(duì)其位置的可學(xué)習(xí)的偏移量參數(shù)； 步驟S4：將樣本集中每個(gè)樣本輸入到經(jīng)過(guò)步驟S3后的清晰決策樹(shù)中，以最小化分類(lèi)誤差函數(shù)為損失函數(shù)，迭代優(yōu)化每個(gè)劃分點(diǎn)位置的微調(diào)參數(shù)、每個(gè)劃分點(diǎn)左右兩側(cè)位置的偏移量參數(shù)，通過(guò)對(duì)優(yōu)化后的所有劃分點(diǎn)及其左右兩側(cè)位置的偏移量參數(shù)構(gòu)建三角模糊隸屬函數(shù)，實(shí)現(xiàn)清晰決策樹(shù)到模糊決策樹(shù)的轉(zhuǎn)變； 步驟S5：根據(jù)得到的模糊決策樹(shù)，聚合每條包含有多個(gè)劃分點(diǎn)路徑的樣本的隸屬度，歸一化后作為樣本在該路徑下的權(quán)重，將路徑權(quán)重和葉子節(jié)點(diǎn)中樣本的類(lèi)別分布概率相乘，相同類(lèi)別下再相加，從而確定樣本對(duì)不同類(lèi)別的加權(quán)概率向量； 步驟S6：引入三支決策機(jī)制判別加權(quán)概率向量落入?yún)^(qū)間作為評(píng)估結(jié)果，以評(píng)估結(jié)果對(duì)應(yīng)加權(quán)概率向量大小為患病風(fēng)險(xiǎn)值，構(gòu)建可解釋三支智能評(píng)估模型。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人中南大學(xué)，其通訊地址為：410083 湖南省長(zhǎng)沙市岳麓區(qū)麓山南路932號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。