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！

申请/专利权人：生命奇点(北京)科技有限公司;奇点数联(北京)科技有限公司

摘要：本发明提供了一种基于LLM模型的电子病历问答系统，涉及人工智能技术领域，系统包括：处理器和存储有计算机程序的存储器，当计算机程序被处理器执行时，实现以下步骤：获取指定文本向量集，获取第一目标文本集和第二目标文本集，将第一预设文本集和第二目标文本集输入至预设的第一初始LLM模型中，获取第三目标文本集，将第一目标文本集、第二目标文本集和第三目标文本集作为训练集输入至预设的第二初始LLM模型中生成初始电子病历问答模型，获取目标电子病历问答模型，基于预设关键文本获取目标文本，本发明将LLM模型应用于电子病历问答，能够处理大规模数据，通过prompt指令设置指示指令，提高了电子病历问答系统结果的准确度。

主权项：1.一种基于LLM模型的电子病历问答系统，其特征在于，所述系统包括：存储介质、处理器和存储有计算机程序的存储器，其中，所述存储介质包括样本电子病历信息集、第一预设文本集和第二预设文本集，所述样本电子病历信息集包括若干个样本电子病历信息，所述样本电子病历信息为从数据库中获取到的病历中对应的异常状态特征信息，所述异常状态特征信息为与疾病相关联的特征信息，所述第一预设文本集包括若干个第一预设文本，所述第一预设文本为基于异常状态获取到的有关异常状态的问题文本，当所述计算机程序被处理器执行时，实现以下步骤：S100，根据样本电子病历信息集，获取指定文本向量集，其中，所述指定文本向量集包括若干个指定文本向量，所述指定文本向量为对基于样本电子病历信息的数据格式从样本电子病历信息集中获取到的病历对应的文本进行处理获取到的文本向量，其中，在S100中还包括如下步骤：S1，根据样本电子病历信息集，获取候选文本集A＝{A1，……，Ai，……，An}，Ai为第i个候选文本，i＝1……n，n为候选文本的数量，其中，所述候选文本为基于样本电子病历信息的数据格式从样本电子病历信息集中获取到的病历对应的文本；S3，根据A和目标术语知识图谱，获取A对应的候选关键词列表集Q＝{Q1，……，Qi，……，Qn}，Qi为Ai对应的候选关键词列表，所述目标术语知识图谱呈现三元组形态，其中，目标术语知识图谱中每个三元组形态包括两个与异常状态相关的实体以及两个与异常状态相关的实体之间的关系；S5，根据A和Q，获取初始文本集T＝{T1，……，Ti，……，Tn}，Ti＝{Ai，Qi}，Ti为第i个初始文本；S7，根据T，获取指定文本集U＝{U1，……，Ui，……，Un}，Ui为第i个指定文本，其中，所述指定文本为基于初始文本对应的文本字符串的数量对初始文本进行处理获取到的相同文本字符串长度的文本；S9，根据U，获取指定文本向量集，其中，所述指定文本向量集包括若干个指定文本向量，其中，所述指定文本向量为将指定文本输入至预训练电子病历编码模型中获取到的；S200，基于第一预设文本集和指定文本向量集，获取第一预设文本集对应的第一目标文本集，其中，所述第一目标文本集包括若干个第一目标文本，每个第一预设文本对应若干个第一目标文本，所述第一目标文本为从指定文本向量集中获取到的与第一预设文本相关联的指定文本向量对应的文本，其中，在S200中还包括如下步骤：S201，获取第一预设文本向量集I＝{I1，……，It，……，Iθ}，It为第t个第一预设文本对应的第一预设文本向量，t＝1……θ，θ为第一预设文本的数量；S203，获取指定文本向量集为第i个指定文本向量；S205，根据I和获取I对应的第一目标相似度集ER＝{ER1，……，ERt，……，ERθ}，ERt＝{ERt1，……，ERti，……，ERtn}，ERti为It与之间的第一目标相似度；S207，当ERti≥ER0时，获取对应的目标文本Ui为It对应的第一目标文本，其中，ER0为预设的第二优先级阈值；S300，基于第一预设文本集和第一目标文本集，获取第一预设文本集对应的第二目标文本集，其中，所述第二目标文本集包括若干个第二目标文本，所述第二目标文本为基于第一预设文本和第一目标文本集通过prompt指令生成的与第一预设文本相关联的解释内容文本；S400，将第一预设文本集和第二目标文本集输入至预设的第一初始LLM模型中，获取第一预设文本集对应的第三目标文本集，其中，所述第三目标文本集包括若干个第三目标文本，每个第一预设文本对应一个第三目标文本，所述第三目标文本为基于第一预设文本和第二目标文本获取到的文本中最大优先级对应的文本，其中，在S400中通过如下步骤获取第三目标文本：S401，根据第一预设文本和第一预设文本对应的第二目标文本，获取第一预设文本对应的ψ个第四目标文本，其中，所述第四目标文本为基于第二目标文本在多个LLM模型获取到的第一预设文本对应的答案文本和解释文本；S403，根据第四目标文本，获取第四目标文本对应的优选优先级，其中，所述优选优先级为基于投票法获取到的分数值；S405，根据优选优先级，获取第一预设文本对应的第三目标文本，其中，所述第三目标文本为最大优选优先级对应的第四目标文本；S500，将第一目标文本集、第二目标文本集和第三目标文本集作为训练集输入至预设的第二初始LLM模型中，生成初始电子病历问答模型；S600，将第二预设文本集输入至初始电子病历问答模型中，获取初始电子病历问答模型对应的待选优先级，其中，所述第二预设文本集包括若干个第二预设文本，所述第二预设文本为用于测试初始电子病历问答模型效果的有关异常状态的问题文本，其中，在S600中通过如下步骤获取待选优先级：S601，将第二预设文本集输入至初始电子病历问答模型中，获取第二预设文本集对应的第一关键文本集EP＝{EP1，……，EPδ，……，EPζ}，其中，EPδ为第δ个第二预设文本对应的第一关键文本，δ＝1……ζ，ζ为第二预设文本对应的数量，其中，所述第一关键文本为基于初始电子病历问答模型获取到的第二预设文本对应的答案文本和解释文本；S603，根据EP，获取EP对应的第一关键文本向量集EP0＝{EP01，……，EP0δ，……，EP0ζ}，EP0δ＝EP0δ1，……，EP0δγ，……，EP0δη，EP0δγ为EPδ对应的第一关键文本向量中第γ位的bit值，γ＝1……η，η为第一关键文本向量的比特位；S605，获取第二预设文本集对应的第二关键文本集FP＝{FP1，……，FPδ，……，FPζ}，FPδ为第δ个第二预设文本对应的第二关键文本，其中，所述第二关键文本为第二预设文本对应的准确的答案文本和解释文本；S607，根据FP，获取FP对应的第二关键文本向量集FP0＝{FP01，……，FP0δ，……，FP0ζ}，FP0δ＝FP0δ1，……，FP0δγ，……，FP0δη，EP0δγ为EPδ对应的第二关键文本向量中第γ位的bit值；S609，根据EP0和FP0，获取初始电子病历问答模型对应的待选优先级KL，其中KL符合如下条件： S700，基于待选优先级，对初始电子问答模型进行参数调整，直到待选优先级不小于预设的待选优先级阈值时以获取到目标电子病历问答模型；S800，获取预设关键文本，将预设关键文本输入至目标电子病历问题模型中获取目标文本，其中，所述预设关键文本为待查询的基于异常状态获取到的有关异常状态的问题文本，所述目标文本为预设关键文本对应的答案文本和解释文本。

全文数据：

权利要求：

百度查询： 生命奇点(北京)科技有限公司 奇点数联(北京)科技有限公司 一种基于LLM模型的电子病历问答系统