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！

龙图腾网获悉江苏护理职业学院申请的专利一种基于深度学习的病例分析方法和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：CN119028602B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411174935.1，技术领域涉及：G16H50/70；该发明授权一种基于深度学习的病例分析方法和系统是由吴银芳设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本一种基于深度学习的病例分析方法和系统在说明书摘要公布了：本申请提供了一种基于深度学习的病例分析方法和系统。方法包括：获取包含图像数据和文本数据的目标数据集；基于预训练的卷积神经网络对目标数据集中的图像数据进行特征提取；将提取出的特征向量输入到预训练的自然语言处理模型中，用于分析目标数据集中的文本数据；根据通过卷积神经网络处理后的图像特征向量和自然语言处理模型处理后的文本特征向量，通过线性插值融合生成新的特征向量；基于生成的新特征向量对目标数据集进行扩充，并基于扩充后的目标数据集训练深度学习模型，得到训练后的深度学习模型；将待分析病例作为输入，输入至训练后的深度学习模型，得到训练后的深度学习模型输出的病例分析结果。

本发明授权一种基于深度学习的病例分析方法和系统在权利要求书中公布了：1.一种基于深度学习的病例分析方法，其特征在于，包括： 获取包含图像数据和文本数据的目标数据集；其中，所述图像数据和所述文本数据分别为基于素材病例得到的数据； 基于预训练的卷积神经网络对目标数据集中的图像数据进行特征提取； 将提取出的特征向量输入到预训练的自然语言处理模型中，用于分析目标数据集中的文本数据； 根据通过卷积神经网络处理后的图像特征向量和自然语言处理模型处理后的文本特征向量，通过线性插值融合生成新的特征向量； 基于生成的新特征向量对目标数据集进行扩充，并基于扩充后的目标数据集训练深度学习模型，得到训练后的深度学习模型； 将待分析病例作为输入，输入至所述训练后的深度学习模型，得到所述训练后的深度学习模型输出的病例分析结果； 其中，所述卷积神经网络为预训练的ResNet50模型，所述ResNet50模型采用如下设置： 所述ResNet50模型的预处理框配置有标准化模组，输入至所述预处理框的数据被所述标准化模组处理并输出为具有归一化特征的像素值，所述像素值的值域符合0至1； 所述ResNet50模型配置有旋转模组、缩放模组、翻转模组、及随机化模组，所述随机化模组在所述旋转模组、所述缩放模组、以及所述翻转模组中进行随机可重复抽取并进行可并行排列，得到模组阵列；所述模组阵列用于基于与列数相匹配的多个不同输出头分别输出不同泛化程度的图像特征向量； 所述ResNet50模型配置有架构微调模组，用于根据所述待分析病例的医学图像特点增加或减少卷积层数；其中，所述随机化模组基于所述卷积层数进行随机可重复抽取并进行可并行排列，以使所述卷积层数与所述模组阵列的行数相一致； 其中，所述自然语言处理模型为预训练的BERT模型，所述BERT模型采用如下设置： 所述BERT模型基于通用文本数据进行一级预训练，以及基于医学领域文本数据进行二级预训练；其中，所述医学领域文本数据配置有基于医用词库的定制化分词器； 所述BERT模型配置有网络层动态连接模组，用于在基于文本识别确定所述待分析病例所属医学领域的情况下，根据所述医学领域查询相匹配的全连接层和输出层，并将查询到的全连接层和输出层、按照预配置的连接方式设置为层连接； 所述BERT模型配置有循环终止模组，用于在所述BERT模型的循环轮次达到轮次阈值的情况下终止循环，并根据当前识别到的所述待分析病例所属医学领域的上一级医学领域，指示所述动态连接模组重置所述层连接； 所述BERT模型配置有启动模组，用于在所述层连接被设置完成的情况下，启动循环。

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江苏护理职业学院，其通讯地址为：214000 江苏省无锡市经济开发区华庄街道高浪东路508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”。