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！

龙图腾网获悉山东贝森医院管理咨询有限公司申请的专利一种基于语义信息融合的DRG自动分组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：CN119092104B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202411296612.X，技术领域涉及：G16H50/20；该发明授权一种基于语义信息融合的DRG自动分组方法及系统是由张滨山;张笑园设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本一种基于语义信息融合的DRG自动分组方法及系统在说明书摘要公布了：本发明涉及DRG自动分组技术领域，公开了一种基于语义信息融合的DRG自动分组方法及系统，所述方法包括：采集患者个人信息、病历信息和诊断信息形成电子健康记录数据，对患者的电子健康记录数据进行语义信息提取，得到分段式语义信息特征向量；对分段式语义信息特征向量进行语义增强处理，生成患者的DRG分组信息；基于DRG分组信息以及个人信息，进行患者聚类分簇处理。本发明对分段式语义信息特征向量进行拼接、增强以及范数约束处理，构成表征患者疾病诊断大类、处理方式以及并发症的病组信息，并将不同病组信息映射到对应的DRG代码中，得到患者的DRG分组信息，实现DRG自动分组，并结合个人信息进行患者聚类并进行医疗资源的批量化分配。

本发明授权一种基于语义信息融合的DRG自动分组方法及系统在权利要求书中公布了：1.一种基于语义信息融合的DRG自动分组方法，其特征在于，所述方法包括： S1：采集患者个人信息、病历信息和诊断信息形成电子健康记录数据，所述电子健康记录数据包含结构化数据和非结构化数据，其中患者个人信息为结构化数据，患者病历信息和诊断信息为非结构化数据； S2：对患者的电子健康记录数据进行语义信息提取，得到描述患者信息的分段式语义信息特征向量； S3：对分段式语义信息特征向量进行语义增强处理，并生成患者的DRG分组信息； 所述S3中对分段式语义信息特征向量进行语义增强处理，包括： 对分段式语义信息特征向量进行语义增强处理，其中第n名患者所对应分段式语义信息特征向量Fn的语义增强处理流程为： S31：生成表征患者疾病诊断大类的病组信息 其中： 表示语义特征向量的增强系数，表示语义特征向量的增强系数；表示语义特征向量的增强权重矩阵，表示语义特征向量的增强权重矩阵； T表示转置；n∈[1,N]； 表示语义特征向量的长度，表示语义特征向量的长度； S32：生成表征患者疾病处理方式的病组信息 其中： ||·||表示L1范数； ReLU·表示ReLU函数； S33：生成表征并发症的病组信息 其中： 表示语义特征向量的增强权重矩阵； 表示语义特征向量的长度； S34：将融合多种语义特征向量的病组信息作为患者的语义增强处理结果 依次表示患者个人信息、病历信息以及诊断信息的语义特征向量； 根据语义增强处理结果，生成N名患者的DRG分组信息，包括： 所述第n名患者的DRG分组信息生成方式为： 生成表征患者主要诊断大类的DRG代码 其中： Code1表示主要诊断大类的DRG代码集合； 表示DRG代码集合Code1中DRG代码r对应的编码矩阵； 生成表征患者疾病处理方式的DRG代码 其中： Code2表示疾病处理方式的DRG代码集合； 表示DRG代码集合Code2中DRG代码r'对应的编码矩阵； 根据疾病处理方式的处理顺序，生成DRG代码对应的顺序码 生成表征患者并发症的DRG代码 其中： 表示第n名患者的年龄； Code4表示患者并发症的DRG代码集合； 表示DRG代码集合Code4中DRG代码c对应的编码矩阵； 构成第n名患者的DRG分组信息： 其中： DRGn表示第n名患者的DRG分组信息； S4：基于DRG分组信息以及患者个人信息，对不同患者进行聚类分簇处理，得到若干患者聚类簇，每种患者聚类簇中的患者所需要消耗的医疗资源近似； 聚类分簇流程为： S41：提取N名患者DRG分组信息中的表征患者主要诊断大类的DRG代码，并将DRG代码一致的患者作为同诊断区域患者，得到26个诊断区域的患者集合，其中26为主要诊断大类的种类数； S42：获取每个患者集合中任意患者的DRG分组信息以及患者个人信息，并计算该患者与同患者集合中任意患者之间的信息距离，其中第n名患者与同患者集合中任意患者之间的信息距离为： 其中： distn,Dm表示第n名患者与同患者集合中第m名患者之间的信息距离，F1m表示同患者集合中第m名患者的个人信息语义特征向量，Code2m表示同患者集合中第m名患者的疾病处理方式所对应DRG代码，Code4m表示同患者集合中第m名患者的并发症所对应DRG代码； ||·||2表示L2范数； S43：计算得到每个同患者集合中任意患者的加权信息密度，其中第n名患者的加权信息密度为： 其中： ρn表示第n名患者的加权信息密度，Dn表示第n名患者所在的同患者集合，β表示同患者集合Dn中的任意患者； Countn表示同患者集合Dn中与第n名患者的信息距离在预设距离阈值内的患者数目，Ωn表示同患者集合Dn中与第n名患者的信息距离在预设距离阈值内的近邻患者集合，u表示近邻患者集合Ωn中的任意患者； dis表示预设的密度截断距离； S44：选取加权信息密度最高的K个患者作为初始聚类中心，采用Kmean算法对每个患者集合进行聚类中心的迭代处理以及聚类处理，将每个患者集合划分为K个患者聚类簇。

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山东贝森医院管理咨询有限公司，其通讯地址为：250109 山东省济南市历城区唐冶中路4567号鲁商凤凰广场1-502-2；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”。