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！

龙图腾网恭喜广州安粤信息科技有限公司申请的专利一种基于多粒度特征融合的疾病预测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：CN112331332B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202011095993.7，技术领域涉及：G16H50/20；该发明授权一种基于多粒度特征融合的疾病预测方法及系统是由赵青;李建强;徐春设计研发完成，并于2020-10-14向国家知识产权局提交的专利申请。

本一种基于多粒度特征融合的疾病预测方法及系统在说明书摘要公布了：本发明实施例提供一种基于多粒度特征融合的疾病预测方法及系统，包括：获取基于待预测疾病的融合特征；将所述融合特征输入至训练得到的疾病预测模型，得到疾病类型的分类结果；其中，所述疾病预测模型是基于并行自适应卷积神经网络模型，由多种疾病的融合特征进行训练所得到的。本发明实施例通过采用多粒度特征融合的预测方法，不仅采用细粒度的词和概念特征，同时采用更大粒度的概念关系和属性‑值特征来充分的理解医疗文本中的语义信息，提高模型疾病预测的性能。

本发明授权一种基于多粒度特征融合的疾病预测方法及系统在权利要求书中公布了：1.一种基于多粒度特征融合的疾病预测系统，其特征在于，包括：获取模块，用于获取基于待预测疾病的融合特征；处理模块，用于将所述融合特征输入至训练得到的疾病预测模型，得到疾病类型的分类结果；其中，所述疾病预测模型是基于并行自适应卷积神经网络模型，由多种疾病的融合特征进行训练所得到的；所述疾病预测模型，通过以下步骤获得：获取待处理的文本，将所述待处理的文本经过预处理后得到预处理后的文本；将所述预处理后的文本进行特征抽取，获得提取特征；将所述提取特征基于多粒度特征进行融合，得到所述多种疾病的融合特征；获取并行自适应卷积神经网络模型，将所述多种疾病的融合特征输入至所述并行自适应卷积神经网络模型进行训练，得到所述疾病预测模型；所述将所述预处理后的文本进行特征抽取，获得提取特征，具体包括：通过概念特征提取、词特征提取、概念关系特征提取和属性与值特征提取，对所述预处理后的文本进行特征抽取，获得所述提取特征；所述通过概念特征提取、词特征提取、概念关系特征提取和属性与值特征提取，对所述预处理后的文本进行特征抽取，获得所述提取特征，具体包括：将所述预处理后的文本映射到领域本体得到文本数据，通过最大匹配法将所述文本数据切分为语义集，采用word2vec模型将包含能够从所述领域本体中找到相匹配的概念自身特征型和概念类型特征转化为向量形式，并通过所述概念自身特征型和所述概念类型特征相结合提取概念特征；采用所述word2vec模型将包含不能够从所述领域本体中找到相匹配的概念自身特征型和概念类型特征转化为向量形式，提取词特征；结合所述词特征、位置特征以及否定词特征提取概念之间的关系触发词，并结合所述概念特征，将所述概念特征和所述关系触发词表示为概念关系特征，所述概念关系特征表示为三元组形式，记作pi＝ei,ri,eo,其中ei和eo表示概念特征，ri表示概念之间的关系触发词，有{s1…si…sn}∈D，其中D为文本数据，si由为m个语义组成si＝{w1…pi…qo…wm}，其中{w1…wm}是句子si中的词特征，每个词相对于概念特征ei和eo之间都有两个相对距离，记作否定词特征记作{n1…nm}∈w,w表示词特征集合，概念之间的关系触发词可以通过公式表示为将所述概念特征进一步表示为包含数值类型的疾病与时间结果，以及包含所述数值类型和类别类型的检测与检查结果，得到属性与值特征；所述获取并行自适应卷积神经网络模型，将所述多种疾病的融合特征输入至所述并行自适应卷积神经网络模型进行训练，得到所述疾病预测模型，具体包括：根据所述概念关系特征和所述属性与值特征的不同将句子分割成不同部分提取所述句子包含的语义信息；将所述语义信息与所述概念特征和所述词特征进行融合训练所述并行自适应卷积神经网络模型，并在卷积层采用dropout操作，以及采用zeropadding保持所述句子的有效性，得到所述疾病预测模型。

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广州安粤信息科技有限公司，其通讯地址为：510000 广东省广州市海珠区新港西路大江冲25号大院5号101之一房、102房(仅限办公用途)；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”。