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！

龙图腾网获悉电子科技大学申请的专利一种增强的辅助问诊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：CN115565655B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202211233086.3，技术领域涉及：G16H40/20；该发明授权一种增强的辅助问诊方法是由胡松;张云;林钰久;朱嘉静;李巧勤;傅翀设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种增强的辅助问诊方法在说明书摘要公布了：本发明属于智能分诊技术领域，尤其是涉及一种增强的辅助问诊方法。本发明提出的技术方案中提出了三个预测模块，将三个预测模块结合起来，聚类模型利用了历史医患对话数据，将医生的诊断结果作为预诊结果，提高可信度和科学性；身体节点症状图更好的匹配患者的口语化描述信息，可以更准确的获取症状信息；基于神经网络的疾病预测模型可以接受更广泛的输入描述，覆盖性更广；将三个模块的结果进行综合，投票产生最后的预诊结果，可以提高诊断的准确性和科学性。

本发明授权一种增强的辅助问诊方法在权利要求书中公布了：1.一种增强的辅助问诊方法，其特征在于，包括以下步骤： S1、获取患者自述信息； S2、将获取到的自述信息进行预处理，然后输入到聚类模型进行匹配，得到聚类匹配结果；所述聚类模型为基于聚类的中心词匹配模型，构建方法是： 先构建医患对话数据库：收集医患对话数据，进行预处理后保留患者对自己症状的描述信息、医生对病症的提问信息以及医生的诊断结果和建议信息，建立医患对话数据集合D={Q，A}，其中Q表示患者的自述症状描述，A表示医生的回答、诊断结果、建议信息；基于数据集合D，利用余弦相似度算法，将相似的医患对话数据划分到子集D1,D2,…Dn，其中Di存放的是相同或者相似病例的医患对话数据，n表示对话数据集合中涉及到的疾病类型数目；采用划分好的对话数据集合D={D1,D2,D3…Dn}建立医患对话信息数据库； 将医患对话数据库中同一子集下的医生回答分割为短句，再进行N-grams词挖掘获得N个连续的片段； 对获得的片段进行合并和过滤后再进行聚类，使得同一类疾病的回答形成一个回答集合，从回答集合中选取长度最长的句子作为集合的中心A*，得到聚类模型{Q’，A*}；其中Q’={q1’,q2’,q3’…}，获取方式是：令中心A*所包括的医生给出的疾病类型和治疗建议对应的患者相似自述子集为Q*={q1,q2,q3…},qi为某个患者的自述，Q*⊂Q，通过提取Q*中每个元素的关键词，再计算TF-IDFGram特征值得到每一个q’的表示ftfidfi，下标Gram表示词频统计是以一个N-gram片段为一个词计数； 聚类模型进行匹配的方法是：定义获取的自述信息为qnew，计算qnew的TF-IDFGram特征fnewtfidf，将每个q’的表示ftfidfi与qnew的特征fnewtfidf计算相似度： Simq’j,qnew=ftfidfi*fnewtfidf||ftfidfi||*||fnewtfidf||， ||x||表示x的模长，选取相似度最高的问题q’max，将问题q’max所在问题集合的中心Ai*作为聚类匹配预测结果； 则自述信息经过聚类模型后得到第一预测结果R1和第一匹配度V1，其中R1是匹配到的聚类中心A*中对应的医生给出的疾病类型，V1是聚类模型输出的归一化的数值； S3、判断第一匹配度V1是否大于设定的第一阈值，若是，则将第一预测结果R1作为最终结果R，进入步骤S8，否则进入步骤S4； S4、将自述信息输入到身体节点症状图匹配模型进行匹配，得到症状图匹配结果；所述身体节点症状图模型的构建方式为： 将人体划分为多个部位，包括头部、颈部、胸部、腹部、臀部、左上肢、右上肢、左下肢、右下肢；再将每个部位划分为多个不同的节点得到身体节点图； 利用S2中构建的医患对话数据库，收集每个部位不同患者的描述构建描述集合K，利用余弦相似度算法，将相似度高于90%的语句去除，保留一个包含信息最长的描述，得到集合K’； 为每个描述集合K’标注对应的专业医学描述或者医学症状； 将标注后的描述集合K’与所划分的身体节点图对应匹配，得到身体节点症状图模型，使得身体节点症状图模型中的每个节点包含当前部位的常见症状的多位患者的口语化描述集合，以及医生专业的症状描述，并连接到包含该症状的疾病； 身体节点症状图模型进行匹配的方法是：基于自述信息提取身体部位信息，根据身体节点症状图模型中对应部位节点的症状口语描述集合进行口语症状描述匹配，得到对应的专业医学症状，并通过症状得到对应的疾病，将出现次数最多的疾病类型作为症状图匹配结果； 则自述信息经过身体节点症状图匹配模型后得到第二预测结果R2和第二匹配度V2，V2是身体节点症状图匹配模型输出的归一化的数值； S5、判断第一预测结果R1是否与第二预测结果R2相同，若是，则将第一预测结果R1作为最终结果R，进入步骤S8，否则判断第二匹配度V2是否大于第二阈值，若是，则将第二预测结果R2作为最终结果R，进入步骤S8，否则进入步骤S6； S6、将自述信息转化为向量后输入到训练好的疾病预测模型，得到预测的疾病类型；所述训练好的疾病预测模型的获取方式是： 使用自然语言处理和关键词抽取技术，自动抽取收集到的原始医患对话数据中患者的自述描述、病症信息、治疗用药以及医生对应的诊断建议信息； 根据提取到的患者自述和医生的诊断结果和治疗建议信息，进行语义特征表示，利用one-hot编码转化为向量形式作为训练样本，编码长度等于相关病症实体的个数；0代表所在位置实体没有被提及，1代表所在位置表示的实体被提及；将医生给出的疾病类型设置为样本的标签； 用DQN神经网络模型来构建疾病预测模型，用向量表示的训练样本输入模型，进行拟合，输出预测结果，计算损失loss，通过迭代拟合过程调整参数，当验证集的loss不再变化则停止训练，获得以医患对话数据为基础的疾病预测模型； 训练好的疾病预测模型进行预测的方法是：将获取的自述信息转换为0,1编码，输入训练好的模型，输出疾病的概率，概率最高的疾病类型即为最终预测结果； 则自述信息经过训练好的疾病预测模型后得到第三预测结果R3和第三匹配度V3，V3是疾病预测模型输出的归一化的数值； S7、将得到的第一预测结果R1、第二预测结果R2和第三预测结果R3进行综合，根据匹配度投票，具体为：如果有两个结果相同，若R3和R1相同，则将第一预测结果R1作为最终结果R，进入步骤S8；否则，若R3和R2相同，则将第二预测结果R2作为最终结果R，进入步骤S8，否则，分别对第一匹配度V1、第二匹配度V2和第三匹配度V3进行加权，选择加权后最大的匹配度对应的预测结果作为最后的预测结果R，进入步骤S8； S8、输出最终结果R，根据R推荐科室和治疗建议。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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。