買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉湖南師范大學申請的專利一種基于癥狀-藥物雙向驗證的用藥輔助系統及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120164570B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510641426.3，技術領域涉及：G16H20/10；該發明授權一種基于癥狀-藥物雙向驗證的用藥輔助系統及裝置是由徐大宏;付磊;沈言文;李希;劉宏設計研發完成，并于2025-05-19向國家知識產權局提交的專利申請。

本一種基于癥狀-藥物雙向驗證的用藥輔助系統及裝置在說明書摘要公布了：本發明公開了一種基于癥狀?藥物雙向驗證的用藥輔助系統及裝置，屬于智慧醫療技術領域。所述系統包括數據預處理、實體提取與對齊、圖譜檢索、病例檢索及雙向驗證與輔助決策模塊。系統通過AC自動機規則引擎及知識增強型BERT模型提取醫療實體，采用兩階段術語對齊策略實現與知識圖譜實體映射；采用提示詞驅動的操作鏈生成機制進行知識圖譜查詢，獲得候選藥物集合；同時基于向量相似性檢索相似病例，生成關聯藥物集合；最終融合外部醫藥知識庫數據，執行雙向驗證與補全策略，輸出具有臨床安全性與覆蓋廣度的用藥推薦。本發明還提供了實現上述系統功能的裝置結構，有效提升臨床用藥輔助決策的準確性和可解釋性。

本發明授權一種基于癥狀-藥物雙向驗證的用藥輔助系統及裝置在權利要求書中公布了：1.一種基于癥狀-藥物雙向驗證的用藥輔助系統，其特征在于，包括數據預處理模塊、實體提取與對齊模塊、圖譜檢索模塊、病例檢索模塊及雙向驗證與輔助決策模塊； 數據預處理模塊：用于預處理醫療知識圖譜，清洗醫療問答數據集，生成癥狀向量并建立結構化病例存儲至向量數據庫； 實體提取與對齊模塊：用于結合規則引擎和知識增強型BERT模型實現醫療描述文本或臨床表達片段中的癥狀實體提取，并與所述知識圖譜中的實體對齊，得到目標實體； 所述知識增強型BERT模型為DCEF-BERT模型，其包括： 設計雙通道輸入結構，包括： 知識圖譜嵌入通道通過圖注意力網絡對醫療知識圖譜的節點關系路徑進行編碼，生成包含疾病-癥狀層級、藥物-適應癥關聯的拓撲特征嵌入； 上下文嵌入通道保留BERT原始的詞嵌入、段嵌入與位置編碼，捕獲輸入文本的局部語義與全局依賴； 設計動態融合門控機制，通過可學習參數矩陣與激活函數，對雙通道嵌入進行加權融合，具體可表示為： ； ； 其中，為融合權重系數，為可學習的參數矩陣，表示非線性激活函數，知識嵌入是通過圖注意力網絡從醫療知識圖譜中提取出的結構化實體表示，上下文嵌入是由BERT模型在處理輸入文本時生成的原始詞向量、位置編碼與段向量的結合，融合嵌入為知識嵌入與上下文嵌入在動態門控機制下加權計算得到的最終特征表示； 所述模型的微調方法包括： 從開源醫療文本數據集中采集成對的用戶癥狀描述與標準化實體標簽，構建非結構化訓練樣本； 基于所述訓練樣本，凍結BERT基礎模型的底層參數，僅更新雙通道嵌入層、動態門控層及頂層Transformer塊的參數，并采用聯合損失函數進行微調，聯合損失函數定義為： ； 其中，為知識圖譜拓撲特征匹配損失，為文本上下文語義匹配損失，為動態權重系數，其值根據知識圖譜對訓練數據中實體的覆蓋率確定：當覆蓋率高于第一閾值時，取預設值一；當覆蓋率介于第一閾值與第二閾值之間時，取預設值二；當覆蓋率低于第二閾值時，取預設值三； 將融合后的嵌入輸入BERT的Transformer編碼層，通過多頭自注意力機制捕捉不同通道之間具備潛在關聯的交互特征，提升對長尾癥狀和多種表達歧義的識別能力； 基于上述結構與訓練方式，所述知識增強型BERT模型能夠有效支持實體提取與對齊模塊中對醫療描述文本或臨床表達片段中癥狀實體的提取與對齊操作； 圖譜檢索模塊：用于對醫療描述文本進行結構化解析，基于包含所述目標實體與預定義關系類型的提示詞模板生成多步驟操作鏈，通過執行所述操作鏈中的知識圖譜查詢指令及邏輯集合運算，得到候選藥物集合； 病例檢索模塊：用于將所述目標實體向量化，基于所述目標向量在所述向量數據庫中匹配相似病例，生成關聯藥物集合； 雙向驗證與輔助決策模塊：基于外部醫藥知識庫數據，動態整合候選藥物集合與關聯藥物集合，通過雙向驗證篩選實現多源融合決策。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人湖南師范大學，其通訊地址為：410081 湖南省長沙市岳麓區麓山路36號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。