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！

龙图腾网获悉杭州杏林信息科技有限公司;中国人民解放军总医院第一医学中心申请的专利感染性疾病数据智能编码方法、装置、计算机设备及存储介质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：CN119153127B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202411656948.2，技术领域涉及：G16H50/80；该发明授权感染性疾病数据智能编码方法、装置、计算机设备及存储介质是由刘运喜;林建;姚宏武;霍瑞;杜明梅;陈春平;刘梦林;刘伯伟;白艳玲;李欢设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本感染性疾病数据智能编码方法、装置、计算机设备及存储介质在说明书摘要公布了：本发明实施例公开了感染性疾病数据智能编码方法、装置、计算机设备及存储介质。所述方法包括：获取与感染性疾病相关的医疗文本数据；对所述医疗文本数据提取局部特征；构建临床医学知识图谱，对编码关系进行建模，以得到建模结果；对所述局部特征与建模结果进行融合，以得到特征融合结果；将所述特征融合结果输入至编码决策模型中进行编码，以得到ICD编码结果；输出所述ICD编码结果。通过实施本发明实施例的方法可实现提升感染性疾病数据的特征提取和编码预测过程，以增强编码的准确性和效率。

本发明授权感染性疾病数据智能编码方法、装置、计算机设备及存储介质在权利要求书中公布了：1.感染性疾病数据智能编码方法，其特征在于，包括： 获取与感染性疾病相关的医疗文本数据； 对所述医疗文本数据提取局部特征； 构建临床医学知识图谱，对编码关系进行建模，以得到建模结果； 对所述局部特征与建模结果进行融合，以得到特征融合结果； 将所述特征融合结果输入至编码决策模型中进行编码，以得到ICD编码结果；其中，编码决策模型基于强化学习框架构建，能够在每次预测中根据当前状态选择最优动作，并根据获得的奖励动态调整模型参数，从而提高对不同病例的适应能力；同时引入元学习策略，使得模型能够快速适应新疾病编码的任务，减少对大量标注数据的依赖；使用模糊逻辑系统处理预测的结果的不确定性，通过动态阈值调整策略来优化最终的编码选择；根据每个ICD编码的预测概率值与调整后的阈值进行比较，选择符合要求的ICD编码作为最终的疾病编码输出，完成编码分配； 输出所述ICD编码结果； 所述构建临床医学知识图谱，对编码关系进行建模，以得到建模结果，包括： 构建临床医学知识图谱，采用图神经网络对编码关系进行建模，以得到建模结果； 所述构建临床医学知识图谱，采用图神经网络对编码关系进行建模，以得到建模结果，包括： 构建临床医学知识图谱； 对所述临床医学知识图谱进行多层图卷积处理，以得到节点嵌入表示； 对所述节点嵌入表示使用池化操作提取全局特征； 根据所述全局特征表示计算节点之间的相似度，以确定节点间的依赖关系； 组合所述节点嵌入表示以及节点间的依赖关系，以得到建模结果； 所述对所述临床医学知识图谱进行多层图卷积处理，以得到节点嵌入表示，包括： 对所述临床医学知识图谱中邻居节点的信息聚合，计算每个节点的特征加权和； 应用图卷积层的权重矩阵和偏置项，并使用ReLU激活函数进行非线性变换，以得到节点嵌入表示； 所述对所述医疗文本数据提取局部特征，包括： 对所述医疗文本数据进行文本分解和嵌入，以得到嵌入矩阵； 对所述嵌入矩阵进行卷积操作，以得到卷积结果； 对所述卷积结果进行最大池化层处理，以得到池化结果； 对所述池化结果进行特征图拼接以及全连接处理，以得到局部特征； 所述对所述局部特征与建模结果进行融合，以得到特征融合结果，包括： 将所述局部特征与所述建模结果进行拼接，以得到高维特征向量； 对所述高维特征向量进行降维处理，以得到降维结果； 将所述降维结果输入至集成学习模型中进行特征融合，以得到特征融合结果。

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杭州杏林信息科技有限公司;中国人民解放军总医院第一医学中心，其通讯地址为：310056 浙江省杭州市滨江区长河街道江二路57号2幢D区4层；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”。