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！

龙图腾网获悉南京邮电大学申请的专利融合知识图谱和深度学习的糖尿病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：CN115719625B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211045060.6，技术领域涉及：G16H10/60；该发明授权融合知识图谱和深度学习的糖尿病预测方法及系统是由徐鹤;郑群力;王汝传;李鹏;程海涛;季一木设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本融合知识图谱和深度学习的糖尿病预测方法及系统在说明书摘要公布了：本发明提供一种融合知识图谱和深度学习的糖尿病预测方法及系统，该方法通过构建体检数据实体向量库，基于体检数据实体向量库得到患者体检数据的向量表示，得到体检数据向量；构建糖尿病领域知识图谱；基于构建的糖尿病领域知识图谱，抽取患者症状描述中的实体和关系，并表示成向量的形式，得到症状描述向量，进而获得患者自身状况的矩阵；融合自注意力机制与卷积神经网络，构建分类预测模型，由分类预测模型获得预测结果。本发明与现有方法相比，能够通过同时考虑患者体检数据与症状描述，并基于知识和数据双驱动，具有更高的准确性和可解释性。

本发明授权融合知识图谱和深度学习的糖尿病预测方法及系统在权利要求书中公布了：1.一种融合知识图谱和深度学习的糖尿病预测方法，其特征在于：包括以下步骤， S1、构建体检数据实体向量库，基于体检数据实体向量库将患者体检数据表示成向量形式，得到体检数据向量； S2、获取糖尿病专业文献，进行知识抽取和知识融合，并基于知识表示模型TransR将糖尿病领域知识图谱中的所有实体和关系表示成向量的形式，构建糖尿病领域知识图谱； S3、基于步骤S2构建的糖尿病领域知识图谱，抽取患者症状描述中的实体和关系，并表示成向量的形式，得到症状描述向量，进而获得患者自身状况的矩阵； S4、融合自注意力机制与卷积神经网络，构建分类预测模型，由患者自身状况的矩阵，通过构建的分类预测模型获得预测结果； 步骤S4中，融合自注意力机制与卷积神经网络，构建分类预测模型，分类预测模型包括输入层、自注意力层、卷积层、全连接层、Softmax层和输出层，具体为， S41、分类预测模型的输入层将患者自身状况的矩阵输入到自注意力层中，由自注意力层的自注意力机制挖掘患者体检数据与症状描述间的相互影响关系，获取全局信息矩阵； S42、将获取的全局信息矩阵输入到卷积层中，进行局部特征提取，得到患者体检数据和症状描述的最终表示向量； S43、将步骤S42得到的患者体检数据和症状描述的最终表示向量，经全连接层的变换后得到患者是否患有糖尿病的得分向量s； S44、将得分向量s输入到Softmax层，得分向量s经由Softmax层计算，得到患者是否患有糖尿病的概率分布，根据概率分布获得患者是否患有糖尿病的预测结果，并由输出层输出预测结果。

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南京邮电大学，其通讯地址为：210003 江苏省南京市栖霞区亚东新城文苑路9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。