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！

龙图腾网获悉天津大学申请的专利一种基于LLM上下文嵌入辅助的泌尿专科问诊方法及装置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：CN119811647B 。

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：202510287371.0，技术领域涉及：G16H50/20；该发明授权一种基于LLM上下文嵌入辅助的泌尿专科问诊方法及装置是由牛远杰;张芊;黄世旺;郑岩;胡海龙;郄云凯;沈冲;吴周亮设计研发完成，并于2025-03-12向国家知识产权局提交的专利申请。

本一种基于LLM上下文嵌入辅助的泌尿专科问诊方法及装置在说明书摘要公布了：本发明提供一种基于LLM上下文嵌入辅助的泌尿专科问诊方法及装置，包括：步骤S1，收集并结构化整理泌尿专科问诊信息；步骤S2，通过上下文信息嵌入进行整合，获取结构化任务样例；步骤S3，通过上下文信息嵌入对识别的输入信息进行纠正；步骤S4，判断是否需要上传检查报告，若是，则引导并等待患者上传检查报告，转换为文本输入信息后跳转至步骤S5；若否，则跳转至步骤S6；步骤S5，生成检查报告对应的结构化检查报告信息；步骤S6，对实现的纠正进行打分，优化辅助问诊过程；步骤S7，整合纠正后的文字信息，生成结构化病历。本发明能够有效降低资源消耗和部署难度，为快速迭代提供基础；能够支持语音输入和检查报告的整合，实现专业化的整理和纠正。

本发明授权一种基于LLM上下文嵌入辅助的泌尿专科问诊方法及装置在权利要求书中公布了：1.一种基于LLM上下文嵌入辅助的泌尿专科问诊方法，其特征在于，包括以下步骤： 步骤S1，收集并结构化整理泌尿专科问诊信息； 所述步骤S1包括以下子步骤： 步骤S101，通过在线网页方式收集泌尿专科问诊信息； 步骤S102，定义泌尿专科问诊信息对应的问诊信息结构，所述问诊信息结构包括第一级的诊断方面以及第二级的问诊问题，所述问诊问题关联设置于对应的诊断方面的子列表之中，生成问诊信息结构对应的提问列表； 步骤S103，设置问题询问的交互约束条件，并且在每完成一个询问，均以最小单元对问诊问题、回答内容以及时间戳进行单独存储，便于在关联询问的跳转时，快速获取各个问诊问题的状态； 所述步骤S102包括以下子步骤： 步骤S1021，定义第一级的诊断方面，所述诊断方面包括血尿、尿频、尿疼、尿失禁、排尿困难、腰痛、发热、恶心呕吐、晕厥、是否去医院看过、一般情况以及个人史； 步骤S1022，在所述提问列表中，针对每一个诊断方面设置与该诊断方面相关联的问诊问题，建立问诊问题与诊断方面之间的关联关系； 步骤S1023，通过问诊问题之中的关键词，将不同诊断方面之间的问诊问题进行交叉关联；所述关键词指的是预先设置的引导词；交叉关联，指的是不同的诊断方面之间，通过相同的问诊问题实现间接的关联； 所述步骤S103中，问题询问的交互约束条件的设置过程包括以下子步骤： 步骤S1031，进行问题询问时，先按照提问列表的顺序，针对诊断方面所关联的问诊问题进行单一询问，在完成对当前问诊问题的询问后，记录问诊问题、回答内容以及时间戳，标记当前问诊问题的状态为已询问，并判断接收到的回答内容是否触发预先设置的关键词，若是，则跳转至步骤S1032；若否，则跳转至步骤S1033； 步骤S1032，根据所述关键词的关联关系，跳转至与该关键词相关联的另一个问诊问题之中，将这种相关联的问诊问题添加到待询问队列中作为优先问题，并返回步骤S1031进行单一询问； 步骤S1033，按照提问列表的顺序，跳转至下一个问诊问题进行询问； 步骤S2，通过上下文信息嵌入将结构化整理之后的泌尿专科问诊信息进行整合，获取结构化任务样例，并将所述结构化任务样例与对话记录样例的分类进行关联；结构化任务样例指的是基于预定义的JSON结构，并填充了对话记录相关的提取信息之后的样例；对话记录样例的分类包括病症、性别和年龄段； 步骤S3，响应患者的接入请求，对患者的输入信息进行识别，并基于专业术语纠正示例，通过上下文信息嵌入对识别的输入信息进行纠正，以动态调整辅助问诊过程； 步骤S4，判断是否需要上传检查报告，若是，则引导并等待患者上传检查报告，直到获取有效的检查报告的图片，对图片进行光学字符识别以提取检查报告中的关键信息，将关键信息转换为文本格式的文本输入信息，然后跳转至步骤S5；若否，则直接跳转至步骤S6； 步骤S5，创建结构化检查报告信息的模版，结合所述检查报告对应的文本输入信息，形成上下文信息并传送给大语言模型LLM，生成所述检查报告对应的结构化检查报告信息，并发送给患者进行查看和确认； 所述步骤S5包括以下子步骤： 步骤S501，定义一个JSON格式的报告模板，报告模板包括的字段为报告标题、患者信息、检查项目、结果描述、医生建议、检查日期、医生姓名和报告编号； 步骤S502，创建上下文示例，定义上下文学习格式，所述上下文示例的内容包括通过光学字符识别得到的输入文本和填充的输出字段，输入文本包括患者的姓名、性别、年龄、结果描述和医生建议，输出字段包括报告标题、患者信息和结果描述； 步骤S503，将上下文示例与光学字符识别的输入文本相结合，形成上下文信息； 步骤S504，将上下文信息传送给大语言模型LLM，通过大语言模型LLM进行内容识别和信息提取，并对提取的信息进行验证，以保证关键信息的正确填充，并在填充完成后，将结构化检查报告信息发送给患者进行查看和确认； 步骤S6，对步骤S3所实现的纠正进行打分，并调用上下文信息嵌入的更新迭代算法进行动态调整，以优化辅助问诊过程； 所述步骤S6包括以下子步骤： 步骤S601，在每次对口语内容进行纠正后，将纠正结果与现有上下文进行比较，当纠正结果与现有上下文的内容不重复时，更新上下文信息； 步骤S602，针对现有的结构化病历，定期分析患者的输入信息和结构化检查报告信息，以提取关键信息并进行整合； 步骤S603，通过公式Score=w1×Fluency+w2×Relevance+w3×Professionalism实现对输入信息的纠正进行打分，其中，Score表示对口语内容进行纠正的得分，w1+w2+w3=1； 步骤S604，在获取得分Score之后，选择得分Score最高的替代表达作为专业术语纠正示例； 步骤S605，导入医生上传的完整问诊对话记录，并与现有的结构化任务样例进行比对，获取新增、修改和删除的信息，将新增和修改的信息标记为待审核的状态，并通过公式W=α×Relevance’+β×Frequency+γ×Impact为新增和修改的信息分配权重W，其中，α+β+γ=1； 步骤S606，根据权重W对待审核的新增和修改的信息进行排序，选择权重W最高或超过预设的权重阈值的信息，追加至现有的上下文信息中，以加入至后续的更新迭代过程；并将其他新增和修改的信息标记为待观察的状态； 步骤S7，整合所有纠正后的文字信息，生成结构化病历；纠正后的文字信息包括进行纠正后的输入信息以及结构化检查报告信息。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。