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！

龙图腾网获悉卫美健康科技(北京)有限公司申请的专利一种基于深度学习的医疗智能对话方法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：CN119446485B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411460494.1，技术领域涉及：G16H50/20；该发明授权一种基于深度学习的医疗智能对话方法是由韩霞;王军;郝洁设计研发完成，并于2024-10-18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医疗智能对话方法在说明书摘要公布了：本发明公开了一种基于深度学习的医疗智能对话方法，涉及智能医疗技术领域，本发明构建了罕见病知识图谱，即使在训练数据不充分的情况下，依然通过图谱中的关联关系推导疾病与症状之间的隐含联系，极大增强了处理罕见病等复杂病例的能力，通过图谱推理机制，能够提供更精确的罕见病列表，并将相关诊断方案合理地优先展示给用户，减少误判风险，通过多模态Transformer模型，有效整合病历文本、医学影像和实验室检测结果等多源数据，生成统一的综合特征表示，深度融合从不同角度全面分析患者健康状况的能力，提升了诊断的准确性，基于初步诊断结果，能够根据不同患者的具体病情调整问询的顺序和问题的深度，提供更加精准和个性化的问询体验。

本发明授权一种基于深度学习的医疗智能对话方法在权利要求书中公布了：1.一种基于深度学习的医疗智能对话方法，其特征在于：包括， 步骤S1，构建罕见病知识图谱，基于现有的文献、临床指南、专家知识和医疗研究中的数据，将罕见病的病因、症状、诊断方法、治疗方案以及药物相互作用进行信息结构化表示，生成知识图谱； 步骤S2，集成多模态数据处理，引入多模态数据，包括病历文本、医学影像以及实验室检测结果，采用多模态Transformer模型进行处理，将知识图谱中的节点信息作为先验知识，与输入的多模态数据进行联合编码和分析，生成对多模态信息的综合理解，包括基于患者症状、影像以及基因数据的特征提取结果即多模态特征； 步骤S3，知识图谱推理与症状匹配，利用知识图谱进行症状匹配，结合多模态数据进行初步诊断； 步骤S4，对话管理与患者个性化定制，基于步骤S3获得的诊断结果动态调整问询顺序和内容，对于不同病情的患者调整问题的深度和方向； 步骤S1中，构建罕见病知识图谱方式为： 基于文献、临床指南和专家知识，收集罕见病的相关数据，包括病因、症状、诊断方法、治疗方案以及药物相互作用，定义数据矩阵D∈Rm×n，其中：D＝{dij}，dij代表第i个罕见病的第j类信息，包括病因、症状以及药物，m为罕见病的总数，n为每个疾病相关信息的类别数量，对异构数据进行归一化处理，归一化函数： 其中，为归一化后的数据，μj为第j类信息的均值，σj为第j类信息的标准差，对于每个罕见病定义以下节点： Si＝{s1,s2,…,sp}表示与疾病相关的p个症状，表示与疾病相关的q种治疗方法， Mi＝{m1,m2,…,mr}表示疾病相关的r种药物， 节点间的关系用关系矩阵R∈Rk×k表示：其中，Rij表示疾病和疾病之间的关系强度，f·表示基于相似度的关系定义函数，采用Jaccard相似系数； 使用图嵌入法将知识图谱中的节点和关系嵌入到向量空间，设对于每个节点vi，其对应的向量表示为vi∈Rd，d为嵌入维度，则知识图谱中的关系rij的嵌入表示为：rij＝vi+r-vj，其中，rij表示疾病和疾病之间通过关系r的嵌入表示，vi和vj分别是疾病和的节点向量表示，使用嵌入的节点vi和关系r，推导出潜在疾病的可能性，定义推理概率函数：其中，表示给定症状集的嵌入表示S时，疾病的诊断概率，S为给定症状集的嵌入表示，基于推理的结果，输出最有可能的罕见病诊断结果； 诊断结果的得分为：其中，表示疾病与输入症状sk的匹配度，ωk为症状sk的权重，通过综合症状与疾病的匹配度，排序输出罕见病的潜在列表； 步骤S2中，采用多模态Transformer模型，设三种数据的特征分别为HT、FI和FL，通过多模态自注意力机制进行融合： 其中，Z∈Rn+m+1×d是融合后的多模态特征表示，其中n、m和1分别对应文本、影像和实验室检测数据的特征数量，QM,KM,VM∈Rn+m+1×d分别是融合后的查询、键和值矩阵，d为嵌入维度，其中： QM＝[HT；FI；FL]WQ，KM＝[HT；FI；FL]WK，VM＝[HT；FI；FL]WV，此处[HT；FI；FL]表示将文本、影像和实验室检测特征进行拼接，WQ、WK、WV∈Rd×d分别为查询、键和值的映射矩阵； 通过多模态自注意力机制得到融合后的多模态特征Z，进行全局池化生成最终的综合特征向量FM：FM＝GlobalPoolZ，其中，FM∈Rd是多模态特征向量，用于后续诊断推理和症状匹配，多模态特征向量FM作为多模态信息的综合理解结果； 在步骤S3中，进行症状与疾病的匹配， 在知识图谱中，疾病与症状之间存在边eij∈E，将患者输入的多模态特征FM与图谱中疾病节点vi进行匹配，计算症状和疾病的相似度，匹配公式： 其中，SFM,vi表示患者的多模态特征FM与疾病节点vi的余弦相似度，用于评估输入症状与疾病的匹配程度，|FM|和|vi|分别是FM和vi的向量范数，是两个向量的内积； 定义基于关系的推理模型，对知识图谱中的关系进行推导，推算出潜在疾病的匹配度，推理公式：其中，表示患者的多模态特征FM匹配疾病的概率，SFM,vj为多模态特征与疾病的相似度，Rij表示疾病与疾病之间的关联强度，来源于知识图谱中的边权重，αj为每个疾病节点的重要性权重，根据其在知识图谱中的中心性或出现频率设定； 在步骤S4中，对话管理与患者个性化定制方式为： 根据步骤S3中罕见病的初步诊断结果，对初步诊断结果中概率较高的疾病，优先问询； 根据不同病情的复杂性和严重程度，动态调整问题的深度。

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卫美健康科技(北京)有限公司，其通讯地址为：100000 北京市丰台区海鹰路6号院26号楼2层2086；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”。

以上内容由龙图腾AI智能生成。