Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东软汉枫医疗科技有限公司卢朝霞获国家专利权

东软汉枫医疗科技有限公司卢朝霞获国家专利权

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!

龙图腾网获悉东软汉枫医疗科技有限公司申请的专利大模型和知识图谱融合的院前急救辅助预测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:CN117423460B

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:202311542982.2,技术领域涉及:G16H50/30;该发明授权大模型和知识图谱融合的院前急救辅助预测方法及系统是由卢朝霞;韩旭;陈禹;毕丹;张玉峰;王志安;王明远设计研发完成,并于2023-11-20向国家知识产权局提交的专利申请。

大模型和知识图谱融合的院前急救辅助预测方法及系统在说明书摘要公布了:本发明涉及大模型和知识图谱融合的院前急救辅助预测方法,包括以下步骤:将接入的电话语音进行实时语音识别,并转换病情文本描述信息;根据所述病情文本描述信息查询在云数据中心存储的患者知识图谱;对所述病情文本描述信息进行表征学习,对患者知识图谱进行向量表征,将分别得到的报警描述特征向量和患者历史疾病特征向量进行融合,生成急救患者特征向量;对预先构建的疾病知识图谱进行知识图谱嵌入向量学习,生成疾病特征向量;根据急救患者的特征向量和疾病特征向量进行急救患者的病情症状预测。本发明对不同疾病学习其特征向量描述,对患者特征向量和疾病特征向量进行内积操作,生成患者病情症状预测函数,从而实现对患者病情的精确预测。

本发明授权大模型和知识图谱融合的院前急救辅助预测方法及系统在权利要求书中公布了:1.大模型和知识图谱融合的院前急救辅助预测方法,其特征在于,包括以下步骤: 将接入的电话语音进行实时语音识别,并转换病情文本描述信息;根据所述病情文本描述信息查询在云数据中心存储的患者特征知识图谱; 对所述病情文本描述信息进行表征学习得到报警描述特征向量,对患者特征知识图谱进行向量表征得到患者历史疾病特征向量,将报警描述特征向量和患者历史疾病特征向量进行融合,生成急救患者特征向量; 对预先构建的疾病知识图谱进行知识图谱嵌入向量学习,生成病情特征向量; 根据急救患者的特征向量和病情特征向量进行急救患者的病情症状预测; 所述将接入的电话语音进行实时语音识别,并转换病情文本描述信息;根据所述病情文本描述信息查询在云数据中心存储的患者知识图谱,包括以下步骤: 首先,将接入的电话语音进行实时语音识别,并转换为文本信息,对文本信息进行清洗后,形成病情文本描述信息;所述病情文本描述信息包括患者姓名、身份证、紧急情况的描述、患者地理位置、报警时间、联系人中的至少几种; 其次,根据所述病情文本描述信息查询在云数据中心存储的患者特征知识图谱信息;所述患者特征知识图谱根据患者的历史数据构建,以患者、历史疾病、疾病症状为节点、患者与所属疾病、疾病与所属疾病症状之间的关系作为节点之间的关系构成; 对所述病情文本描述信息进行表征学习得到报警描述特征向量,对患者特征知识图谱进行向量表征得到患者历史疾病特征向量,将报警描述特征向量和患者历史疾病特征向量进行融合,生成急救患者特征向量,包括以下步骤: 首先,通过大语言模型对电话语音转换后的病情文本描述信息进行表征学习,生成报警描述特征向量 其次,通过知识图谱嵌入向量学习方法对患者特征知识图谱进行向量表征,生成患者历史疾病特征向量 然后,将报警描述特征向量和患者历史疾病特征向量进行融合,生成融合后的急救患者特征向量Eu,所述融合采用注意力机制对患者知识图谱上节点和其邻居节点的向量进行聚合,通过下式实现: 其中,W1、W2为可训练的权重矩阵,LeakyReLU为激活函数; 所述对预先构建的疾病知识图谱进行知识图谱嵌入向量学习,生成病情特征向量,包括以下步骤: 1预先构建疾病知识图谱,采用三元组疾病名称或疾病症状名称,关系,病情症状的描述方式表征,其中,疾病名称或疾病症状名称、和病情症状作为节点,关系作为节点之间的关系; 2对疾病知识图谱进行知识图谱嵌入向量学习,将疾病知识图谱上的各个节点进行向量化表示: 用节点v表示疾病名称或疾病症状名称,v的嵌入向量表征为病情特征向量Ev,对Ev进一步通过聚合其邻居节点的嵌入向量来增强其表征能力: 其中,Nv表示疾病知识图谱上节点v的邻居集合,gv,v′表示融合的权重函数,节点v′的嵌入向量表征为Ev′;采用注意力机制实现gv,v′,实现过程描述如下: 其中,Nv、Nv′分别表示节点v和v′的邻居节点的个数,表示患者u的特征向量的矩阵转置,d是缩放向量点积中的常数因子; 所述根据急救患者的特征向量和病情特征向量进行急救患者的病情预测,包括以下步骤: fu,v为预测函数,用于根据fu,v的大小判断患者u与疾病或疾病症状v的相关性;Eu为急救患者的特征向量,Ev为病情特征向量; 根据预测函数fu,v值的大小,进行病情的预测。

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东软汉枫医疗科技有限公司,其通讯地址为:110172 辽宁省沈阳市沈抚新区金枫街75-1号0301;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。