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！

龙图腾网获悉福建省星云大数据应用服务有限公司申请的专利一种融合医学知识图谱与大模型的协同推理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：CN120544940B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511039314.7，技术领域涉及：G16H50/70；该发明授权一种融合医学知识图谱与大模型的协同推理方法及系统是由杨璐璐;林卓然;戴文清;郑登威;古时彦;宋潇潇;吴明魁设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本一种融合医学知识图谱与大模型的协同推理方法及系统在说明书摘要公布了：本发明提供了人工智能技术领域的一种融合医学知识图谱与大模型的协同推理方法及系统，方法包括：步骤S1、通过医学信息提取模型从医学数据集中提取医学实体、医学关系以及医学属性以构建医学知识图谱；步骤S2、通过医学信息监测代理监测最新的医学信息以对医学知识图谱进行更新；步骤S3、创建临床决策协同推理模型；步骤S4、通过医学数据集对临床决策协同推理模型进行训练和部署；步骤S5、通过联邦网关将临床决策协同推理模型推送至医疗终端；步骤S6、医疗终端将查询请求携带的查询诉求输入临床决策协同推理模型得到推理报告。本发明的优点在于：极大的提升了医疗推理的推理能力、时效性、解释性以及安全性。

本发明授权一种融合医学知识图谱与大模型的协同推理方法及系统在权利要求书中公布了：1.一种融合医学知识图谱与大模型的协同推理方法，其特征在于：包括如下步骤： 步骤S1、云服务器获取大量包括结构化的健康指南和非结构化的病程记录的历史医学数据，对各所述历史医学数据进行预处理后构建医学数据集； 步骤S2、云服务器通过预训练的医学信息提取模型从所述医学数据集中提取多模态的医学实体、医学关系以及医学属性，基于提取的各所述医学实体、医学关系以及医学属性构建医学知识图谱； 步骤S3、云服务器创建一医学信息监测代理，通过所述医学信息监测代理监测最新的医学信息，对监测到的每条所述医学信息进行校验后，通过差分隐私算法，基于所述医学信息对医学知识图谱进行更新； 步骤S4、云服务器基于多模态融合层、协同推理层以及解释生成层创建一临床决策协同推理模型，设定所述临床决策协同推理模型的推理损失函数以及推理奖励函数； 所述多模态融合层基于语义解析模块、图谱检索模块以及模态对齐模块构建；所述语义解析模块用于通过Transformer从输入的查询诉求中提取深层语义表示，通过双向注意力机制对所述深层语义表示进行语义解析得到非结构化的语义文本；所述图谱检索模块用于利用查询诉求同步检索医学知识图谱，得到结构化的医学知识；所述模态对齐模块用于通过医学本体论的约束，对所述语义文本与检索的医学知识进行模态对齐； 所述协同推理层基于双流交叉注意力模块、动态知识注入模块以及假设验证模块构建；所述双流交叉注意力模块用于建立预训练的医学大语言模型与医学知识图谱之间的交互通道，通过所述交互通道将语义文本和医学知识输入到医学大语言模型和医学知识图谱中，通过时序卷积网络以及时序记忆网络对输入的所述语义文本和医学知识进行交互推理，从而生成候选推理假设；所述动态知识注入模块用于通过实时知识适配器，将最新的临床指南向量化后，以低秩矩阵形式注入医学大语言模型的参数空间；所述假设验证模块用于通过微分逻辑推理器推理候选推理假设的置信度评估，将携带所述置信度评估的候选推理假设输入解释生成层； 所述解释生成层基于因果推理模块以及循证对齐模块构建；所述因果推理模块用于通过可微分Markov逻辑网络，对所述候选推理假设进行因果推理得到因果链；所述循证对齐模块用于通过医学本体论模板引擎，将所述因果链转换为包含推理结果、推理依据以及推理路径的推理报告，并输出所述推理报告； 所述推理损失函数的公式为： L_total=α*L_align+β*L_reason+γ*L_explain； 其中，L_total表示推理损失值；L_align表示模态对齐损失函数；L_reason表示协同推理损失函数；L_explain表示解释生成损失函数；α、β、γ均表示损失分量权重系数，且α+β+γ=1； 所述推理奖励函数的公式为： R_total=ω1*R_accuracy+ω2*R_consistency+ω3*R_coherence+ω4*R_confidence+ω5*R_evidence； 其中，R_total表示推理奖励值；R_accuracy表示推理准确性奖励；R_consistency表示知识一致性奖励；R_coherence表示逻辑连贯性奖励；R_confidence表示置信度校准奖励； R_evidence表示循证完整性奖励；ω1~ω5∈[0,1]，表示奖励分量权重，满足Σωi=1； 步骤S5、云服务器通过所述医学数据集、推理损失函数以及推理奖励函数对临床决策协同推理模型进行训练，对训练后的所述临床决策协同推理模型进行部署； 步骤S6、云服务器部署一支持负载均衡与流量管理的联邦网关，启用所述联邦网关的服务发现机制，配置双向认证机制，通过所述双向认证机制与分布式部署的各医疗终端执行双向认证操作； 云服务器将所述临床决策协同推理模型的格式转换为轻量级的ONNX，通过SM3算法计算所述临床决策协同推理模型的签名值，在所述临床决策协同推理模型中添加至少包括版本号、适用场景、医学知识图谱查询路径以及签名值的元数据，通过AES‑128‑GCM对添加元数据的所述临床决策协同推理模型进行加密得到一级加密模型，对所述一级加密模型进行Base64编码后，将字符"+"替换为"$"，""替换为"@"，得到二级加密模型，通过ChaCha20‑Poly1305对所述二级加密模型进行加密得到三级加密模型，通过所述联邦网关将三级加密模型推送至分布式部署的医疗终端； 医疗终端接收通过所述联邦网关推送的三级加密模型，通过ChaCha20‑Poly1305对所述三级加密模型进行解密得到二级加密模型，将所述二级加密模型中的字符"$"替换为"+"，"@"替换为""，并进行Base64解码得到一级加密模型，通过AES‑128‑GCM对所述一级加密模型进行解密得到临床决策协同推理模型，对所述临床决策协同推理模型的元数据携带的签名值进行验签后，本地部署所述临床决策协同推理模型； 步骤S7、医疗终端获取输入的查询请求，对所述查询请求进行解析和校验得到查询诉求，将所述查询诉求输入部署的临床决策协同推理模型得到包括推理结果、推理依据以及推理路径的推理报告，展示所述推理报告； 步骤S8、医疗终端实时记录至少包括医生账号、推理时间、查询诉求、推理报告以及推理反馈的推理日志，通过联邦学习机制，利用所述推理日志对协同推理模型进行迭代优化； 步骤S9、医疗终端对所述推理日志进行加密和分布式备份。

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福建省星云大数据应用服务有限公司，其通讯地址为：350000 福建省福州市鼓楼区工业路洪山科技园科研楼5层505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。