買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州杏林信息科技有限公司;中國(guó)人民解放軍總醫(yī)院第一醫(yī)學(xué)中心申請(qǐng)的專(zhuān)利感染性疾病數(shù)據(jù)智能編碼方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119153127B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202411656948.2，技術(shù)領(lǐng)域涉及：G16H50/80；該發(fā)明授權(quán)感染性疾病數(shù)據(jù)智能編碼方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)是由劉運(yùn)喜;林建;姚宏武;霍瑞;杜明梅;陳春平;劉夢(mèng)林;劉伯偉;白艷玲;李歡設(shè)計(jì)研發(fā)完成，并于2024-11-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本感染性疾病數(shù)據(jù)智能編碼方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明實(shí)施例公開(kāi)了感染性疾病數(shù)據(jù)智能編碼方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。所述方法包括：獲取與感染性疾病相關(guān)的醫(yī)療文本數(shù)據(jù)；對(duì)所述醫(yī)療文本數(shù)據(jù)提取局部特征；構(gòu)建臨床醫(yī)學(xué)知識(shí)圖譜，對(duì)編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果；對(duì)所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果；將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，以得到ICD編碼結(jié)果；輸出所述ICD編碼結(jié)果。通過(guò)實(shí)施本發(fā)明實(shí)施例的方法可實(shí)現(xiàn)提升感染性疾病數(shù)據(jù)的特征提取和編碼預(yù)測(cè)過(guò)程，以增強(qiáng)編碼的準(zhǔn)確性和效率。

本發(fā)明授權(quán)感染性疾病數(shù)據(jù)智能編碼方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)在權(quán)利要求書(shū)中公布了：1.感染性疾病數(shù)據(jù)智能編碼方法，其特征在于，包括： 獲取與感染性疾病相關(guān)的醫(yī)療文本數(shù)據(jù)； 對(duì)所述醫(yī)療文本數(shù)據(jù)提取局部特征； 構(gòu)建臨床醫(yī)學(xué)知識(shí)圖譜，對(duì)編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果； 對(duì)所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果； 將所述特征融合結(jié)果輸入至編碼決策模型中進(jìn)行編碼，以得到ICD編碼結(jié)果；其中，編碼決策模型基于強(qiáng)化學(xué)習(xí)框架構(gòu)建，能夠在每次預(yù)測(cè)中根據(jù)當(dāng)前狀態(tài)選擇最優(yōu)動(dòng)作，并根據(jù)獲得的獎(jiǎng)勵(lì)動(dòng)態(tài)調(diào)整模型參數(shù)，從而提高對(duì)不同病例的適應(yīng)能力；同時(shí)引入元學(xué)習(xí)策略，使得模型能夠快速適應(yīng)新疾病編碼的任務(wù)，減少對(duì)大量標(biāo)注數(shù)據(jù)的依賴；使用模糊邏輯系統(tǒng)處理預(yù)測(cè)的結(jié)果的不確定性，通過(guò)動(dòng)態(tài)閾值調(diào)整策略來(lái)優(yōu)化最終的編碼選擇；根據(jù)每個(gè)ICD編碼的預(yù)測(cè)概率值與調(diào)整后的閾值進(jìn)行比較，選擇符合要求的ICD編碼作為最終的疾病編碼輸出，完成編碼分配； 輸出所述ICD編碼結(jié)果； 所述構(gòu)建臨床醫(yī)學(xué)知識(shí)圖譜，對(duì)編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果，包括： 構(gòu)建臨床醫(yī)學(xué)知識(shí)圖譜，采用圖神經(jīng)網(wǎng)絡(luò)對(duì)編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果； 所述構(gòu)建臨床醫(yī)學(xué)知識(shí)圖譜，采用圖神經(jīng)網(wǎng)絡(luò)對(duì)編碼關(guān)系進(jìn)行建模，以得到建模結(jié)果，包括： 構(gòu)建臨床醫(yī)學(xué)知識(shí)圖譜； 對(duì)所述臨床醫(yī)學(xué)知識(shí)圖譜進(jìn)行多層圖卷積處理，以得到節(jié)點(diǎn)嵌入表示； 對(duì)所述節(jié)點(diǎn)嵌入表示使用池化操作提取全局特征； 根據(jù)所述全局特征表示計(jì)算節(jié)點(diǎn)之間的相似度，以確定節(jié)點(diǎn)間的依賴關(guān)系； 組合所述節(jié)點(diǎn)嵌入表示以及節(jié)點(diǎn)間的依賴關(guān)系，以得到建模結(jié)果； 所述對(duì)所述臨床醫(yī)學(xué)知識(shí)圖譜進(jìn)行多層圖卷積處理，以得到節(jié)點(diǎn)嵌入表示，包括： 對(duì)所述臨床醫(yī)學(xué)知識(shí)圖譜中鄰居節(jié)點(diǎn)的信息聚合，計(jì)算每個(gè)節(jié)點(diǎn)的特征加權(quán)和； 應(yīng)用圖卷積層的權(quán)重矩陣和偏置項(xiàng)，并使用ReLU激活函數(shù)進(jìn)行非線性變換，以得到節(jié)點(diǎn)嵌入表示； 所述對(duì)所述醫(yī)療文本數(shù)據(jù)提取局部特征，包括： 對(duì)所述醫(yī)療文本數(shù)據(jù)進(jìn)行文本分解和嵌入，以得到嵌入矩陣； 對(duì)所述嵌入矩陣進(jìn)行卷積操作，以得到卷積結(jié)果； 對(duì)所述卷積結(jié)果進(jìn)行最大池化層處理，以得到池化結(jié)果； 對(duì)所述池化結(jié)果進(jìn)行特征圖拼接以及全連接處理，以得到局部特征； 所述對(duì)所述局部特征與建模結(jié)果進(jìn)行融合，以得到特征融合結(jié)果，包括： 將所述局部特征與所述建模結(jié)果進(jìn)行拼接，以得到高維特征向量； 對(duì)所述高維特征向量進(jìn)行降維處理，以得到降維結(jié)果； 將所述降維結(jié)果輸入至集成學(xué)習(xí)模型中進(jìn)行特征融合，以得到特征融合結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人杭州杏林信息科技有限公司;中國(guó)人民解放軍總醫(yī)院第一醫(yī)學(xué)中心，其通訊地址為：310056 浙江省杭州市濱江區(qū)長(zhǎng)河街道江二路57號(hào)2幢D區(qū)4層；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。