山东第一医科大学附属省立医院(山东省立医院)陈伟娟获国家专利权
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!
龙图腾网获悉山东第一医科大学附属省立医院(山东省立医院)申请的专利基于模式识别的医疗知识推荐方法、电子设备及介质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:CN119884353B 。
龙图腾网通过国家知识产权局官网在2026-03-10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:202510065368.4,技术领域涉及:G06F16/335;该发明授权基于模式识别的医疗知识推荐方法、电子设备及介质是由陈伟娟;薛敏设计研发完成,并于2025-01-16向国家知识产权局提交的专利申请。
本基于模式识别的医疗知识推荐方法、电子设备及介质在说明书摘要公布了:本发明涉及数据处理技术领域,具体涉及基于模式识别的医疗知识推荐方法、电子设备及介质,该方法包括:对样本疗护案例进行聚类,得到多个样本聚类簇;基于所述多个样本聚类簇,确定任一样本聚类簇的表现值;基于所述表现值,确定未分类疗护案例与所述任一样本聚类簇之间的相关性;基于所述相关性和所述任一样本聚类簇,确定所述未分类疗护案例所属的目标类别;基于所述目标类别,对输入的案例查询信息进行知识推荐。该方法通过对未分类疗护案例进行更加准确的分类,从而在接收到输入的案例查询信息时能够进行较为精准的医疗知识推荐。
本发明授权基于模式识别的医疗知识推荐方法、电子设备及介质在权利要求书中公布了:1.一种基于模式识别的医疗知识推荐方法,其特征在于,所述方法包括: 对样本疗护案例进行聚类,得到多个样本聚类簇; 基于所述多个样本聚类簇,确定任一样本聚类簇的表现值; 基于所述表现值,确定未分类疗护案例与所述任一样本聚类簇之间的相关性; 基于所述相关性和所述任一样本聚类簇,确定所述未分类疗护案例所属的目标类别; 基于所述目标类别,对输入的案例查询信息进行知识推荐; 所述对样本疗护案例进行聚类,得到多个样本聚类簇,包括: 对所述样本疗护案例进行关键词提取,得到样本关键词; 确定所述样本关键词与分类关键词之间的相似度; 基于所述相似度和所述样本疗护案例,创建样本空间; 对所述样本空间进行聚类,得到所述多个样本聚类簇; 所述基于所述多个样本聚类簇,确定任一样本聚类簇的表现值,包括: 针对所述任一样本聚类簇,确定各数据点与相邻数据点之间的距离; 基于所述距离和所述任一样本聚类簇,确定所述任一样本聚类簇的表现值; 所述基于所述距离和所述任一样本聚类簇,确定所述任一样本聚类簇的表现值,包括: 确定所述任一样本聚类簇在所述样本空间中的空间尺寸; 确定所述空间尺寸与所述任一样本聚类簇中的数据点个数之间的比值; 将所述比值与所述距离进行融合,得到所述任一样本聚类簇的表现值; 表现值的计算公式包括: 其中,为第j个聚类簇的表现值;为第j个簇类中的第i个数据点与其相邻的第m个 数据点的距离大小;为第j个簇类中所有数据点与其相邻数据点的距离之和;为第j个簇类中的数据点的个数;为第j个簇类在样本空间中所占空间的大小; 基于所述表现值,确定未分类疗护案例与所述任一样本聚类簇之间的相关性,包括: 在所述任一样本聚类簇中,确定所述未分类疗护案例与所述任一样本聚类簇的中心点之间的空间距离; 基于所述表现值和所述空间距离,确定所述未分类疗护案例与所述任一样本聚类簇之间的相关性; 所述基于所述表现值和所述空间距离,确定所述未分类疗护案例与所述任一样本聚类簇之间的相关性,包括: 基于所述表现值和所述空间距离,确定所述未分类疗护案例与所述任一样本聚类簇之间的一致性; 所述一致性的计算公式包括: 其中,为第i个未分类疗护案例与第j个聚类簇之间的一致性;为第i个未分类疗护 案例与第j个聚类簇的中心点在样本空间中的距离大小; 基于所述未分类疗护案例与分类关键词之间的相似度,所述任一样本聚类簇与所述分类关键词之间的相似度,确定相似度差值; 基于所述一致性和所述相似度差值,确定所述未分类疗护案例与所述任一样本聚类簇之间的相关性; 所述相关性的计算公式包括: 其中,为第i个未分类疗护案例与第j个聚类簇之间的相关性;为第i个未分类的 疗护案例与第m个分类关键词之间的相似得分;为第j个已分类护理情况的关键词与第 m个分类关键词之间的相似得分;为第i个未分类的疗护案例和第j个已 分类护理情况的中心点位置与不同分类关键词之间的相似得分差值的最大值;为绝对值 符号。
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山东第一医科大学附属省立医院(山东省立医院),其通讯地址为:250021 山东省济南市槐荫区经五路324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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励