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！

龙图腾网获悉四川互慧软件有限公司;河北省人民医院申请的专利一种基于机器学习的危险性腹痛早期识别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：CN120183734B 。

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：202510637739.1，技术领域涉及：G16H50/70；该发明授权一种基于机器学习的危险性腹痛早期识别方法是由李建国;吕健;李旭蕊;刘雪梅设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本一种基于机器学习的危险性腹痛早期识别方法在说明书摘要公布了：本发明提供了一种基于机器学习的危险性腹痛早期识别方法，涉及腹痛概率识别技术领域，包括以下步骤：收集腹痛数据，所述腹痛数据包括患者的症状信息、体征数据、病史信息和检查报告；基于所述腹痛数据建立腹痛识别模型，所述腹痛识别模型用于通过自然语言处理患者的症状信息、病史信息和检查报告以及通过数值分析处理体征数据判断存在危险性腹痛风险的概率，训练并评估所述腹痛识别模型是否还需继续训练优化，若是则继续训练，若否则停止训练；通过训练好的腹痛识别模型进行危险性腹痛风险的概率评估。本发明具有实现对危险性腹痛的发生概率的全面且快速评估的优点。

本发明授权一种基于机器学习的危险性腹痛早期识别方法在权利要求书中公布了：1.一种基于机器学习的危险性腹痛早期识别方法，其特征在于，包括以下步骤： 收集腹痛数据，所述腹痛数据包括患者的症状信息、体征数据、病史信息和检查报告； 基于所述腹痛数据建立腹痛识别模型，所述腹痛识别模型用于通过自然语言处理患者的症状信息、病史信息和检查报告以及通过数值分析处理体征数据判断存在危险性腹痛风险的概率，训练并评估所述腹痛识别模型是否还需继续训练优化，若是则继续训练，若否则停止训练； 通过训练好的腹痛识别模型进行危险性腹痛风险的概率评估； 所述腹痛识别模型包括： 输入层，用于输入所述腹痛数据； 特征提取层，用于通过自然语言模型提取所述症状信息、所述病史信息和所述检查报告的特征得到第一特征，通过非线性函数提取所述体征数据的特征得到第二特征； 特征融合层，用于融合第一特征和第二特征； 输出层，用于根据融合后的特征输出是否具备危险性腹痛风险； 通过自然语言模型提取所述症状信息、所述病史信息和所述检查报告的特征得到所述第一特征的方法为： 建立采集对象库，所述采集对象库包括多个目标特征数据的标准描述语句的标准句向量； 对所述症状信息、所述病史信息和所述检查报告中的语句进行文本清理，并通过BERT模型对每句话分别进行向量化处理，得到多个采集句向量； 获取第i个标准句向量和第j个采集句向量的余弦距离，i=1,2,…,N,j=1,2,…,M,N和M分别为标准句向量和采集句向量的总数： ； 其中，和分别为第i个标准句向量和第j个采集句向量且均为行向量，代表求转置; 分别针对第i个标准句向量，将所有与其余弦距离小于预设阈值的采集句向量放入第i个标准句集合； 分别获取第i个标准句集合的特征值： 其中，代表第i个标准句集合中第个采集句向量与第i个标准句向量的余弦相似度，为第i个标准句集合中的采集语句向量总数； 获取第一特征： ； 通过非线性函数提取所述体征数据的特征得到第二特征的方法为： 分别对第k种所述体征数据做以下处理： ; ； 其中，为第k种所述体征数据的特征数值，和分别为特征提取权重和特征提取偏置，L为体征数据的总数，tanh为tanh激活函数； 获取第二特征： ； 所述融合第一特征和第二特征的方法为： ； 其中，E为融合后的特征； 所述根据融合后的特征输出是否具备危险性腹痛风险的方法为： 获取具备危险性腹痛风险的概率： ； 其中，和分别为第一训练权重向量和第二训练权重向量且为行向量，和分别为第一训练偏置和第二训练偏置。

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四川互慧软件有限公司;河北省人民医院，其通讯地址为：621000 四川省绵阳市科技城新区创新中心11号楼607室；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。