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！

龙图腾网获悉西南大学;中国人民解放军陆军军医大学第一附属医院申请的专利基于哈希隐特征学习的围术期时序数据高效恢复方法和装置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：CN120376020B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510462375.8，技术领域涉及：G16H10/60；该发明授权基于哈希隐特征学习的围术期时序数据高效恢复方法和装置是由吴迪;何佳蓝;周敏;易斌;李雨捷;刘祥设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本基于哈希隐特征学习的围术期时序数据高效恢复方法和装置在说明书摘要公布了：本发明为基于哈希隐特征学习的围术期时序数据高效恢复方法和装置，属于医疗健康大数据领域。其中，该装置包含一个服务器和N个数据采集装置；该方法包含以下步骤：S1：采集生理时序数据；S2：上传到服务器；S3：预处理为不完备生理时序数据；S4：初始化离散隐特征向量；S5：利用哈希隐特征学习方法对离散隐特征向量进行更新学习；S6：判断离散隐特征向量是否能完成恢复，如果能，则存储结果，否则，通过网络发送报错信息。本发明方法通过引入哈希运算对数据进行二进制编码，减少了数据存储和通信开销，再结合LF模型的端到端框架以及自适应差分进化算法，能够避免近似损失和减少信息损失，实现对围术期生理时序数据的高效准确的恢复。

本发明授权基于哈希隐特征学习的围术期时序数据高效恢复方法和装置在权利要求书中公布了：1.基于哈希隐特征学习的围术期时序数据高效恢复方法，其特征在于，该方法包含以下步骤： S1：服务器1发送数据采集指令给数据采集装置2，数据采集装置2按照设定的采样频率利用本地端生理时序数据接收模块21采集生理时序数据采集设备的数据； S2：本地端生理时序数据存储模块22对采集的数据进行存储，并上传到服务器1的服务器数据存储模块11； S3：服务器1利用服务器数据存储模块11存储采集的数据，并预处理为不完备生理时序数据； S4：服务器1的数据恢复模块12利用二进制量化初始化离散隐特征矩阵； S5：服务器1的数据恢复模块12利用哈希隐特征学习方法对离散隐特征矩阵进行更新学习； S6：服务器1的数据恢复模块12判断学习好的离散隐特征矩阵是否能完成恢复，如果能，则将恢复后的围术期生理时序数据存储到服务器数据存储模块11，否则，通过网络发送报错信息； 其中，步骤S3中的不完备生理时序数据为HDI矩阵，其中，患者ID集合U和生理检测指标集合I，运算表示集合中元素地个数；R中的每一个元素表示患者ID为u∈U监测生理检测指标为i∈I的监测数值；R中所有的已知元素集合Λ的个数|Λ|，远小于R中未知元素地集合Γ的个数|Γ|； 步骤S4所述的离散隐特征矩阵包含患者隐特征矩阵W和生理检测指标隐特征矩阵Q；其中：W为|U|×D维，用于抽取装置需要提取的患者隐特征；Q为|I|×D维，用于抽取装置需要提取的生理检测指标隐特征；D为潜在特征空间的维度，为人为设定的哈希码的位长； 步骤S5所述的哈希隐特征学习方法具体为： S501：设定最大更新学习的次数T，随机在0,1区间上初始化超参数α、β，初始化当前更新学习次数t=0；其中，T为正整数； S502：判断当前更新学习次数t是否大于等于T，如果达到则进行步骤S6； S503：更新患者隐特征矩阵W和生理检测指标隐特征矩阵Q； S504：根据下式计算更新前后的损失函数： ； 其中，为求均值操作；为非操作；为与操作；为W的第u行向量，为Q的第i行向量；为W的第u行第d列的元素，为Q的第i行第d列的元素； S505：判断更新前后的损失函数是否收敛，如果不收敛则报错，否则返回步骤S502执行下一次更新； 步骤S6所述的恢复后的围术期生理时序数据，其中需要逆标准化还原至原始量纲。

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西南大学;中国人民解放军陆军军医大学第一附属医院，其通讯地址为：400715 重庆市北碚区天生路2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。