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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于药物映射和诊断增强的药物推荐方法和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：CN121096523B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511643798.6，技术领域涉及：G16H20/10；该发明授权基于药物映射和诊断增强的药物推荐方法和系统是由鹿文鹏;李一硕;张维玉;任晓强;甄业广设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本基于药物映射和诊断增强的药物推荐方法和系统在说明书摘要公布了：本发明公开了一种基于药物映射和诊断增强的药物推荐方法和系统，自然语言处理技术领域及推荐系统领域，针对现有药物推荐技术中药物与疾病关联隐含、诊断信息单一、可解释性差的问题，通过四大核心模块实现精准推荐：诊断增强模块利用大语言模型关联诊断与治疗手段、身体检查，生成增强的诊断信息；药物映射模块建立药物与诊断、治疗手段的显式关联，药物推荐器模块结合交叉注意力机制与图神经网络，分别建模增强的诊断表示与药物外部知识；联合训练模块通过平衡单疾病与全局推荐损失，优化模型性能。本发明在多种指标上均优于现有主流模型，可显著提升药物推荐的精准度、临床可解释性与安全性，适用于辅助医生制定个性化用药方案。

本发明授权基于药物映射和诊断增强的药物推荐方法和系统在权利要求书中公布了：1.基于药物映射和诊断增强的药物推荐方法，其特征在于，包括步骤： S1、构建药物推荐模型的数据集：下载公开医疗数据集，对所述医疗数据集进行预处理，按比例划分得到训练数据、验证数据和测试数据，组合形成最终数据集； S2、构建药物推荐模型：所述药物推荐模型包括诊断增强模块、药物映射模块、药物推荐器模块和联合训练模块； 所述诊断增强模块以诊断信息、治疗手段信息、身体检查信息为输入，输出增强的诊断信息至药物推荐器模块； 所述药物映射模块以诊断信息、治疗手段信息、药物信息为输入，输出映射的药物信息充当单一疾病药物推荐的训练标签至药物推荐器模块； 所述药物推荐器模块以增强的诊断信息、全部药物信息、全部诊断信息、全部治疗手段信息为输入，输出药物推荐概率； 所述联合训练模块以药物推荐概率为输入，定义局部损失函数和全局损失函数，优化单一疾病药物推荐任务与整体药物推荐任务目标； S3、训练药物推荐模型：在步骤S1的最终数据集中，采用二进制交叉熵损失函数与多标签铰链损失函数构建总损失函数，使用Adam优化器对步骤S2的药物推荐模型进行多轮迭代训练； 步骤S1中所述医疗数据集包含病人诊断记录、病人治疗手段记录、病人身体检查记录和病人处方记录，所述预处理包括按病人编号与病案编号整合四类记录，形成包含诊断信息、治疗手段信息、身体检查信息、药物信息的就诊记录； 步骤S2中所述诊断增强模块先通过预定义诊断增强Prompt模板构成诊断增强Prompt并送入大语言模型匹配，建立诊断与治疗手段、身体检查之间的对应关系，生成未经检查的诊断增强信息；再将所述未经检查的诊断增强信息通过诊断检查Prompt模板生成诊断检查Prompt并送入大语言模型审核，审核通过的信息作为增强的诊断信息；所述药物映射模块先通过预定义药物映射Prompt模板生成药物映射Prompt并送入大语言模型映射，建立药物与诊断、治疗手段之间的对应关系，生成未经检查的药物映射信息；将所述未经检查的药物映射信息通过药物检查Prompt模板生成药物检查Prompt并送入大语言模型审核，审核通过的信息作为映射的药物信息；所述药物推荐器模块包括诊断编码子模块和药物编码子模块，所述诊断编码子模块生成增强的诊断表示，所述药物编码子模块构建外部知识图获得药物表示，再经加权聚合与Sigmoid激活函数计算药物推荐概率； 所述诊断编码子模块的具体实现包括：将诊断、治疗手段、身体检查通过嵌入矩阵转换为嵌入表示，通过交叉注意力机制计算治疗手段、身体检查对诊断的影响权重，加权聚合后得到增强的诊断表示； 所述药物编码子模块的外部知识图包括四种：药物和药物共现图、药物和药物不利相互作用图、药物和诊断共现图、药物和治疗手段共现图； 使用图卷积网络对药物和药物共现图、药物和药物不利相互作用图进行建模： ， ， ， ，， 其中，、分别是药物和药物共现表示与药物和药物不利相互作用表示；、是可学习的参数矩阵；是药物和药物共现图，是统计药物推荐训练数据集中全部的药物共现的频率得出来的矩阵，矩阵中值大小在0到1之间；是药物和药物不利相互作用图，用于说明每一对药物是否有不利作用，有则为1，没有则为0；、分别是两个图中初始化的药物表示；ReLU是ReLU激活函数；表示矩阵中的第i行第i列的值，为对角矩阵；表示单位矩阵，表示作为超参数的激活函数，为函数的自变量； 使用图注意力网络对药物和诊断共现图、药物和治疗手段共现图进行建模： ， ， ，， ， 其中，、分别是药物和诊断共现表示和药物和治疗手段共现表示；、、是可学习的参数矩阵；是药物和诊断共现图，是统计药物推荐训练数据集中全部的药物与全部的诊断在同一处方中共同出现的频率得出的矩阵，矩阵中值大小在0到1之间；是药物和治疗手段共现图，是统计药物推荐训练数据集中全部的药物与全部的治疗手段在同一处方中共同出现的频率得出的矩阵，矩阵中值大小在0到1之间；为初始化的药物表示；、为诊断编码子模块输出的初始化的诊断与治疗手段表示；LeakyReLU是LeakyReLU激活函数；m表示药物，p表示治疗手段，M表示全部药物的集合，表示第i个节点的邻居，H表示多头注意力中注意力头的个数，和表示邻居节点集合中第或个邻居节点，表示第k个邻居节点的嵌入表示，可能为中某个诊断的嵌入表示或者中某个治疗手段的嵌入表示，表示第i个药物节点的嵌入表示； 最后将四个图中的药物嵌入进行加权聚合获得药物表示： ， 其中，、、均为可学习参数；[;]表示拼接操作； 药物推荐概率为： ， 其中，是可学习的参数矩阵；Softmax和Sigmoid分别是Softmax和Sigmoid激活函数。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250353 山东省济南市长清区大学路3501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。