[发明专利]基于大数据的智慧医疗响应方法及智慧医疗云计算系统有效

专利信息
申请号: 202110309028.3 申请日: 2021-03-23
公开(公告)号: CN112927810B 公开(公告)日: 2022-06-17
发明(设计)人: 崔剑虹 申请(专利权)人: 宁波宁帆信息科技有限公司
主分类号: G16H50/70 分类号: G16H50/70;G06F16/245;G06F16/28;G06N3/04
代理公司: 北京高航知识产权代理有限公司 11530 代理人: 乔浩刚
地址: 315000 浙江省宁*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 数据 智慧 医疗 响应 方法 计算 系统
【权利要求书】:

1.一种基于大数据的智慧医疗响应方法,其特征在于,应用于智慧医疗云计算系统,所述智慧医疗云计算系统与多个智慧医疗移动终端通信连接,所述方法包括:

构建医疗业务词条网络,所述医疗业务词条网络包括元素和关联属性,所述元素包括医疗业务对应的医疗业务元素和词条对应的词条元素,存在解释关系或扩展关联属性的两个所述元素使用所述关联属性进行关联标注,所述解释关系包括已发起解释流程的医疗业务元素与所述词条元素间的属性关系,所述扩展关联属性包括所述医疗业务元素之间的跳转关系和所述词条元素之间的主题层级关系中的至少一种,其中,所述医疗业务词条网络基于历史医疗业务产生的大数据进行构建;

基于所述医疗业务词条网络进行业务学习得到医疗业务元素的医疗业务学习特征和所述词条元素的词条学习特征,所述业务学习用于根据所述元素间的关联属性进行深度学习、提取所述医疗业务词条网络中的网络联系特征;

根据目标医疗业务的医疗业务元素与至少两个所述词条元素的至少两个置信度输出所述目标医疗业务的医疗响应信息,所述置信度是根据所述医疗业务学习特征和所述词条学习特征确定的。

2.根据权利要求1所述的基于大数据的智慧医疗响应方法,其特征在于,所述医疗业务词条网络包括医疗业务词条跳转网络,存在所述解释关系或所述跳转关系的两个所述元素使用所述关联属性进行关联标注;

所述基于所述医疗业务词条网络进行业务学习得到医疗业务元素的医疗业务学习特征和所述词条元素的词条学习特征,包括:

基于所述医疗业务词条跳转网络进行所述业务学习,得到医疗业务元素的医疗业务跳转学习特征和所述词条元素的词条跳转学习特征;

所述根据目标医疗业务的医疗业务元素与至少两个所述词条元素的至少两个置信度输出所述目标医疗业务的医疗响应信息,包括:

根据所述目标医疗业务的医疗业务元素与至少两个所述词条元素的至少两个跳转置信度输出所述目标医疗业务的医疗响应信息,所述跳转置信度是根据所述医疗业务跳转学习特征和所述词条跳转学习特征确定的。

3.根据权利要求2所述的基于大数据的智慧医疗响应方法,其特征在于,所述基于所述医疗业务词条跳转网络进行所述业务学习,得到医疗业务元素的医疗业务跳转学习特征和所述词条元素的词条跳转学习特征的步骤,包括:

基于所述医疗业务词条跳转网络,调用所述元素向关联元素输入所述元素的第x个跳转学习特征,所述关联元素是通过所述关联属性与所述元素标注的元素,其中,第0个跳转学习特征是根据所述元素的元素信息生成的初始学习特征;

调用所述元素获得所述关联元素输入的关联元素的第x个关联跳转学习特征;

根据所述元素的第x个跳转学习特征和所述关联元素的第x个关联跳转学习特征进行特征学习,得到元素的第x+1个跳转学习特征;

其中,所述医疗业务元素对应第x+1个医疗业务跳转学习特征,所述词条元素对应第x+1个词条跳转学习特征;

重复上述步骤迭代进行所述业务学习,得到医疗业务元素在所述医疗业务词条跳转网络中的第W个医疗业务跳转学习特征,得到词条元素在所述医疗业务词条跳转网络中的第W个词条跳转学习特征。

4.根据权利要求3所述的基于大数据的智慧医疗响应方法,其特征在于,所述根据所述目标医疗业务的医疗业务元素与至少两个所述词条元素的至少两个跳转置信度输出所述目标医疗业务的医疗响应信息,包括:

将所述医疗业务元素的W个所述医疗业务跳转学习特征顺序融合得到医疗业务跳转融合特征;

将所述词条元素的W个所述词条跳转学习特征顺序融合得到词条跳转融合特征;

根据所述医疗业务跳转融合特征与所述词条跳转融合特征的向量内积得到跳转置信度;

将至少两个所述词条元素中,与所述目标医疗业务的医疗业务元素的跳转置信度最大的前K个所述词条元素对应的词条,确定为所述目标医疗业务的医疗响应信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宁波宁帆信息科技有限公司,未经宁波宁帆信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110309028.3/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code