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！

龙图腾网获悉四川省医学科学院·四川省人民医院申请的专利一种基于大模型的智能门诊分诊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：CN119964763B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510446056.8，技术领域涉及：G16H40/20；该发明授权一种基于大模型的智能门诊分诊方法及系统是由温方圆;杜光会;王钧慷;喻蓉;万勇;李勇设计研发完成，并于2025-04-10向国家知识产权局提交的专利申请。

本一种基于大模型的智能门诊分诊方法及系统在说明书摘要公布了：本发明涉及智能医疗技术领域，具体涉及一种基于大模型的智能门诊分诊方法及系统。一种基于大模型的智能门诊分诊系统，包括：数据采集模块和门诊分诊模块。本发明通过将患者的患者结构化数据送入门诊分诊模型进行处理，确定患者对应的分诊优先级，并基于患者对应的分诊优先级对患者执行分诊操作，无需医护人员根据经验判断；在门诊分诊模型中融入四种不同的判断标准，并且通过多标准特征提取层、特征传递层、差异互补增强层提升四种不同判断标准视角下的特征信息表达效果和特征信息融合效果，使得门诊分诊模型能够适配于较多临床场景，面向复杂的患者情况具备更高的适应性。

本发明授权一种基于大模型的智能门诊分诊方法及系统在权利要求书中公布了：1.一种基于大模型的智能门诊分诊方法，其特征在于，包括： 将患者结构化数据送入门诊分诊模型进行处理，输出患者对应的分诊优先级； 门诊分诊模型包括多标准特征提取层、特征传递层、差异互补增强层、多标准评分处理层、权重投票层和分诊优先级输出层，其中多标准特征提取层用于基于知识图谱数据针对患者结构化数据分别进行不同分支的特征提取，构建对应的ESI特征数据、CTAS特征数据、MTS特征数据和ATS特征数据；特征传递层用于通过双向门控单元对ESI特征数据、CTAS特征数据、MTS特征数据和ATS特征数据之间进行特征传递，构建对应的ESI强化特征数据、CTAS强化特征数据、MTS强化特征数据和ATS强化特征数据；差异互补增强层用于对ESI强化特征数据、CTAS强化特征数据、MTS强化特征数据和ATS强化特征数据进行差异分析，并以得到的差异信息对ESI强化特征数据、CTAS强化特征数据、MTS强化特征数据和ATS强化特征数据进行补强，构建特征判断分析向量；多标准评分处理层用于基于特征判断分析向量构建对应的ESI评分、CTAS评分、MT评分和ATS评分；权重投票层用于根据对应的投票权重对ESI评分、CTAS评分、MT评分和ATS评分进行加权投票操作，得到分诊优先级；分诊优先级输出层用于输出分诊优先级； 多标准特征提取层中内置ESI特征提取单元、CTAS特征提取单元、MTS特征提取单元和ATS特征提取单元，分别用于进行不同分支的特征提取； 将ESI特征提取单元、CTAS特征提取单元、MTS特征提取单元和ATS特征提取单元中的任意一个特征提取单元记为目标特征提取单元，针对目标特征提取单元执行如下步骤：在目标特征提取单元中，遍历患者结构化数据，从目标特征提取单元对应的知识图谱中查询相关的知识图谱三元组，并将所有相关的知识图谱三元组组成知识图谱特征图，再通过目标特征提取单元进行特征提取的过程中，基于患者结构化数据和知识图谱特征图执行自注意力机制，且以知识图谱特征图构建对应的查询向量；通过特征提取单元完成特征提取操作后，输出对应的ESI特征数据、CTAS特征数据、MTS特征数据和ATS特征数据； 通过特征传递层构建对应的ESI强化特征数据、CTAS强化特征数据、MTS强化特征数据和ATS强化特征数据，具体包括如下步骤： 在ESI特征数据、CTAS特征数据、MTS特征数据和ATS特征数据中的任意两个特征数据之间构建双向门控单元； 针对ESI特征数据，从其余三个CTAS特征数据、MTS特征数据和ATS特征数据中任意选择一个作为目标特征数据，在ESI特征数据和目标特征数据之间的双向门控单元中执行如下内容：将ESI特征数据和目标特征数据进行拼接，记为整体特征数据Z，针对整体特征数据进行遗忘门计算：ft=σ（WfZ+bf），其中ft为遗忘门向量，σ为sigmoid函数，Wf为遗忘门权重矩阵，bf为遗忘门偏置值，针对整体特征数据进行输入门计算：it=σ（WiZ+bi），其中it为输入门向量，Wi为输入门权重矩阵，bi为输入门偏置值，通过如下公式完成特征传递：G=ft*R+it*R，其中G为ESI特征数据对应的ESI特征传递数据，R为目标特征数据，*为点积操作；将ESI特征数据对应的三个ESI特征传递数据进行加权求和后与ESI特征数据进行残差连接，得到对应的ESI强化特征数据；遍历ESI特征数据、CTAS特征数据、MTS特征数据和ATS特征数据，构建对应的ESI强化特征数据、CTAS强化特征数据、MTS强化特征数据和ATS强化特征数据； 通过差异互补增强层构建特征判断分析向量，具体包括如下步骤： 将ESI强化特征数据、CTAS强化特征数据、MTS强化特征数据和ATS强化特征数据分别送入语义映射网络中进行处理，输出对应的ESI强化特征向量、CTAS强化特征向量、MTS强化特征向量和ATS强化特征向量； 将ESI强化特征向量、CTAS强化特征向量、MTS强化特征向量和ATS强化特征向量进行求和平均计算，得到平均特征向量，再将ESI强化特征向量、CTAS强化特征向量、MTS强化特征向量和ATS强化特征向量分别与平均特征向量进行差分计算，构建对应的ESI差分特征向量、CTAS差分特征向量、MTS差分特征向量和ATS差分特征向量，针对ESI强化特征向量、CTAS强化特征向量、MTS强化特征向量和ATS强化特征向量分别执行自注意力机制，并以对应的ESI差分特征向量、CTAS差分特征向量、MTS差分特征向量和ATS差分特征向量构建对应的查询向量，得到ESI待融合特征向量、CTAS待融合特征向量、MTS待融合特征向量和ATS待融合特征向量，再将ESI待融合特征向量、CTAS待融合特征向量、MTS待融合特征向量和ATS待融合特征向量按照通道拼接后执行卷积操作，得到特征判断分析向量。

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四川省医学科学院·四川省人民医院，其通讯地址为：610072 四川省成都市一环路西2段32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。