CN120260939A 基于ai算法的人体胰岛功能数字化评估方法及系统 （营动智能技术(山东)有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120260939A(43)申请公布日2025.07.04

(21)申请号202510747791.2

(22)申请日2025.06.06

(71)申请人营动智能技术(山东)有限公司

地址250100山东省济南市历城区经十东

路7000号汉峪金谷健康大厦A6-5栋13层1312

(72)发明人刘岩陈大方裴严娜

GO6NGO6NGO6FG16H

3/04(2023.01)

3/08(2023.01)17/13(2006.01)15/00(2018.01)

(74)专利代理机构济南宏腾专利代理事务所

(普通合伙)37438专利代理师冯占飞

(51)Int.CI.

G16H50/30(2018.01)

GO6F18/10(2023.01)

GO6F18/213(2023.01)

GO6F18/25(2023.01)

权利要求书3页说明书13页附图1页

(54)发明名称

基于AI算法的人体胰岛功能数字化评估方法及系统

(57)摘要

CN120260939A本发明公开了基于AI算法的人体胰岛功能数字化评估方法及系统，涉及人工智能医疗评估技术领域，包括：采集并预处理多模态生理数据；提取多源特征生成低维输入向量；基于时空注意力机制进行动态加权融合；构建引入β细胞两相分泌机制的神经微分方程模型，输出胰岛功能评估指标；并通过可视化与预警模块生成动态评估报告。本发明可提升对复杂行为干扰下胰岛功能的建模准确性，实现功能衰退趋势预测与敏感性评分的个体化量化评估，增强临床分期参考价值

CN120260939A

采集多模态生理数据并进行同步预处

采集多模态生理数据并进行同步预处理，生成预处理后的多模态生理数据集

基于所述预处理后的多模态生理数据集进行特征提取，生成低维输入特征向量

基于所述低维输入特征向量进行时空注

意力动态加权融合，生成动态加权融合

特征向量

基于所述动态加权融合特征向量构建神

经微分方程驱动的混合评估模型，生成

胰岛功能评估指标

基于所述胰岛功能评估指标进行动态可

视化与异常预警处理，生成动态可视化

评估报告

CN120260939A权利要求书1/3页

2

1.基于AI算法的人体胰岛功能数字化评估方法，其特征在于，包括：

采集多模态生理数据并进行同步预处理，生成预处理后的多模态生理数据集；

基于所述预处理后的多模态生理数据集进行特征提取，生成低维输入特征向量；

基于所述低维输入特征向量进行时空注意力动态加权融合，生成动态加权融合特征向量；

基于所述动态加权融合特征向量构建神经微分方程驱动的混合评估模型，生成胰岛功能评估指标；

基于所述胰岛功能评估指标进行动态可视化与异常预警处理，生成动态可视化评估报告。

2.如权利要求1所述的基于AI算法的人体胰岛功能数字化评估方法，其特征在于，所述采集多模态生理数据包括，通过连续血糖监测系统采集皮下组织间液的葡萄糖信号数据；

通过智能可穿戴设备采集的高频生理信号数据，所述高频生理信号数据包括，三轴加速度数据、心率数据和状态标记数据；

通过实验室采集的生化指标数据，所述生化指标数据包括空腹血糖、餐后血糖、糖化血红蛋白和C肽水平。

3.如权利要求2所述的基于AI算法的人体胰岛功能数字化评估方法，其特征在于，所述生成对齐的多模态生理数据集包括，将葡萄糖信号数据的时间序列作为主参考时间轴；

高频生理信号数据基于所述参考时间轴采用非线性动态时间对齐算法进行时间重定位与插值处理，输出对齐后的高频生理信号数据；

生化指标数据基于所述参考时间轴进行分段线性插值和样条拟合，输出对齐后的生化指标数据；

将所述对齐后的高频生理信号数据、对齐后的生化指标数据与参考时间轴对应的葡萄糖信号数据进行统一时间映射、同步去噪与滑动窗口平滑处理，得到预处理后的葡萄糖信号数据、预处理后的高频生理信号数据和预处理后的生化指标数据；

输出预处理后的多模态生理数据集，所述预处理后的多模态生理数据集包括预处理后的葡萄糖信号数据、预处理后的高频生理信号数据和预处理后的生化指标数据。

4.如权利要求3所述的基于AI算法的人体胰岛功能数字化评估方法，其特征在于，所述生成低维输入特征向量包括，基于预处理后的多模态生理数据集，对预处理后的葡萄糖信号数据执行局部极值检测，输