专利示意图

一、技术领域

数据挖掘和机器学习技术领域

二、专利介绍

1.专利信息

专利类型：发明

专利权人：清华大学深圳国际研究生院

申请号：202311347686.7

发明人：陈伟坚、任欣悦、贾丰玮、修宇璇、姜力、陈婷、刘方明、王晓

2.专利说明书摘要

一种多通道生理时间序列分类方法，包括如下步骤：S1：将各通道传感器采集到的生理数据按时间顺序分别排列，形成多通道时间序列数据；S2：对各通道时间序列数据分别进行时序特征增强有限穿越可视图即TPVG图建模；S3：利用图同构网络对建模后的TPVG图进行训练，学习所述多通道时间序列数据中的复杂关系与模式，得到若干图神经网络弱分类器，作为用于分类的图同构网络模型；S4：使用训练好的图同构网络模型对目标待分类数据进行分类。相比于之前的方法，本方法具有在生理信号数据集中更优的性能以及更稳定的表现。本方法可提高分类准确性，增强结果的稳定性，并提供更好的可解释性和可视化效果。

3.创新点

（1）本发明涉及数据挖掘领域，针对多通道生理信号高噪声、非平稳性的特点以及在医疗领域对隐私和分类效果稳定性的需求，提出的一种结合网络科学与图神经网络的多变量时间序列分类方法；

（2）该方法通过多变量生理时间序列公开数据集进行实验，通过结合复杂网络与图神经网络的有效表达力，能够对多通道时序进行有效分类；

（3）本方法的精度已高于已有同类方法，同时由提出的通道投票策略可以获得更优的性能和更稳定的表现，是一种很有潜力的多变量时间序列分类方法。

4.痛点问题

本技术有效解决了多通道生理数据高噪声、非平稳性的特点以及在医疗领域对隐私和分类效果稳定性的需求，提出的一种结合网络科学与图神经网络的多变量时间序列分类方法，提高了分类准确率和结果的稳定性。

三、产业化信息

1.应用场景

（1）医疗领域：该方法可以应用于医学监测设备或传感器中，用于对患者进行生理状态的监测和分类。例如，可以用于心电图（ECG）的分类，帮助医生检测和诊断心律失常、心脏病等疾病；

（2）健康管理：该方法可以应用于智能手环、智能手表等可穿戴设备中，用于对用户的生理数据进行分类和分析，实现健康管理。例如，可以用于睡眠质量的评估，通过识别睡眠阶段（如浅睡眠、深睡眠、快速眼动期等），提供个性化的睡眠建议和改善方案。

2.商业价值

（1）医疗保健行业：应用于医疗监测设备、传感器等，用于患者生理状态监测和分类。该技术可以提供快速准确的生理数据分析，帮助医生进行诊断和治疗决策；

（2）健康管理行业：应用于智能手环、智能手表等可穿戴设备，用于用户健康数据分类和分析。该技术可以为用户提供个性化的健康管理方案，改善生活方式和预防疾病；

（3）运动训练行业：应用于运动监测设备和运动训练平台，用于运动员生理数据的分类和分析。该技术可以为运动员提供个性化的训练指导和优化方案，提高训练效果和竞技成绩。

3.发展规划

（1）拓展应用领域：将该技术应用于更广泛的领域和行业，如医疗保健、健康管理、运动训练、工业自动化等。针对不同领域的需求和特点，开发定制化的解决方案，以满足客户的需求；

（2）与硬件设备的整合：与各类生理监测设备、传感器等硬件设备进行整合，建立完整的生态系统。通过与硬件设备的联动，实现实时数据采集、传输和分析，为用户提供更全面和精确的服务；

（3）合作与推广：与相关行业的合作伙伴建立紧密的合作关系，共同推进该技术的发展和应用。通过与医疗机构、健康管理公司、运动训练机构等的合作，扩大市场影响力，推广和普及该技术的应用。

4.合作方式

面议

注:所有成果未经授权，请勿转载

联系方式：ttc@sz.tsinghua.edu.cn