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！

龙图腾网获悉重庆邮电大学申请的专利一种基于AI大模型的疾病关联命名实体识别方法与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：CN120725012B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510856689.6，技术领域涉及：G06F40/295；该发明授权一种基于AI大模型的疾病关联命名实体识别方法与系统是由雷大江;吴南铭;殷孝峰;王俊民;王艺淇;张莉萍;李伟生设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本一种基于AI大模型的疾病关联命名实体识别方法与系统在说明书摘要公布了：本发明提供一种基于AI大模型的疾病关联命名实体识别方法，包括：构建高质量医学语料库，所述高质量医学语料库包括：电子病历文本数据，以及与电子病历文本数据相对应的标准医学用语数据；将电子病历文本数据和与其相对应的标准医学用语数据分别通过大模型提取编码特征；根据电子病历编码特征和其相对应的标准医学用语编码特征通过最小化多模态对齐损失函数对大模型进行微调；通过微调后的大模型对权威医学文献进行无监督实体抽取，通过规则过滤和置信度排序阈值筛选，构建动态更新的实体词库；对目标电子病历进行初始命名实体识别，将初始实体识别结果与实体词库进行多维度语义匹配，将匹配结果作为最终的命名实体识别结果。本发明备提升数据效率、增强医疗领域知识适配性等优势。

本发明授权一种基于AI大模型的疾病关联命名实体识别方法与系统在权利要求书中公布了：1.一种基于AI大模型的疾病关联命名实体识别方法，其特征在于，包括： S1：构建高质量医学语料库，所述高质量医学语料库包括：电子病历文本数据，以及与电子病历文本数据相对应的标准医学用语数据； S2：将电子病历文本数据和与其相对应的标准医学用语数据分别通过大模型提取编码特征； S3：根据电子病历编码特征和其相对应的标准医学用语编码特征通过最小化多模态对齐损失函数对大模型进行微调； 所述多模态对齐损失函数包括： 其中，表示多模态对齐损失函数，表示期望，表示电子病历编码特征；表示标准医学用语编码特征；表示电子病历文本数据；表示标准医学用语数据；表示余弦相似度函数； S4：通过微调后的大模型对权威医学文献进行无监督实体抽取，通过规则过滤和置信度排序阈值筛选，构建动态更新的实体词库； S5：对目标电子病历进行初始命名实体识别，将初始实体识别结果与实体词库进行多维度语义匹配，将匹配结果作为最终的命名实体识别结果； 所述将初始实体识别结果与实体词库进行多维度语义匹配包括： S51：将初始实体识别结果中的实体表示为，将实体词库中与目标电子病历相同疾病类型，且与实体相同实体类型的实体作为实体的待匹配实体； S52：计算实体与其每个待匹配实体的词形相似度得分： 其中，表示初始实体识别结果中的第个实体与其第个待匹配实体的词形相似度得分；表示实体的字符长度；表示实体的字符长度；表示实体和实体的莱文斯坦距离； S53：通过BioBERT获取实体与其待匹配实体的语义向量，并计算实体与其待匹配实体的语义相似度得分： 其中，表示初始实体识别结果中的第个实体与其第个待匹配实体的语义相似度得分；表示实体的语义向量；表示实体的语义相似度得分；表示欧几里得范数； S54：结合目标电子病历的上下文信息设计Prompt利用微调后的大模型预测实体与其待匹配实体之间的关联性评分； S55：将实体与其待匹配实体之间的多维度语义匹配得分进行加权融合得到综合评分，若存在实体与其待匹配实体之间的综合评分高于设定筛选阈值τ，则将实体作为最终的命名实体识别结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。