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！

龙图腾网获悉浙江大学申请的专利一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法及装置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：CN119763747B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411682650.9，技术领域涉及：G16H10/60；该发明授权一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法及装置是由张引;王晋琰设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法及装置在说明书摘要公布了：本发明公开了一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法及装置。首先，预处理电子医疗病历数据集，包括文本清洗和脱敏处理，提取关键诊断信息和临床数据，并组织成预定义的适合生成式模型的输出格式。接着，采用前缀提示微调方法训练模型，获得具有初步结构化能力的模型。然后，构建强化学习偏好数据集，针对模型输出格式问题进行强化学习，提高输出文本的格式准确性和内容标准性。之后，通过自我优化机制利用模型自身回溯提高训练数据集的规模和质量。最后，通过实体对齐方法，确保提取信息的准确性与标准化。本发明提供了一种创新的结构化处理技术，能够有效提高电子医疗病历的信息提取质量，满足医疗领域的特定需求。

本发明授权一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法及装置在权利要求书中公布了：1.一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法，其特征在于，该方法包括以下步骤： 1电子医疗病历数据集构建：构建电子医疗病历数据集并进行预处理，提取诊断信息； 2模型训练：采用前缀提示微调的方法进行模型训练，将步骤1中预处理后的电子医疗病历数据作为输入样本，将提取的诊断信息组织成二维列表形式作为模型输出样本，得到模型训练样本，将模型训练样本输入ChatGLm2-6b大模型进行训练得到电子医疗病历信息提取模型； 3生成格式强化学习偏好数据集构建：构建以原始文本、接受回答和拒绝回答组成的强化学习偏好数据集，数据来源包括：原始文本来源为电子医疗病历数据，接受回答和拒绝回答来源为：1预测时模型本身生成错误的，利用正则表达式修正后，模型原输入作为拒绝回答，修正后的输出作为接受回答；2模拟结构化顺序、格式出错问题构建接受回答和拒绝回答，具体为：a模拟字段顺序出错问题:随机抽取若干数据，将生成信息的位置随机替换，作为拒绝回答；b模拟抽取结果不完整问题：随机抽取若干数据，将包含较长信息的字段截断，作为拒绝回答；c模拟格式不符合二维列表问题：随机抽取若干数据，破坏作为二维列表的格式； 4生成格式强化学习训练：使用步骤3得到的强化学习偏好数据集对步骤2得到的电子医疗病历信息提取模型进行强化学习训练，得到格式优化的电子医疗病历信息提取模型； 5模型自我优化：对于输入电子医疗病历文本x，在步骤4得到的格式优化的电子医疗病历信息提取模型输出y，在步骤1中检索相似输入输出对作为示例，基于ChatGLm2-6b大模型根据x,y参考上述示例优化生成数据，得到新的优化后的输出y’，作为新的训练数据，补充步骤1中的电子医疗病历数据集； 6实体对齐：基于格式优化的电子医疗病历信息提取模型提取出的诊断信息实体，利用文本相似度算法和医学标准实体库做对齐，得到标准实体输出。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。