欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024100456836
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于人工智能的糖尿病肾病患者饮食管理系统,其特征在于,包括:患者信息获取模块,用于获取患者对象的个人信息的文本描述和检查报告的文本描述;

患者信息语义分析模块,用于对所述患者对象的个人信息的文本描述和检查报告的文本描述进行语义编码和基于双边信息互补注意力的特征交互以得到患者信息‑患者检查文本双边互补语义特征向量;

备选食谱获取模块,用于获取备选食谱的文本描述;

备选食谱语义理解模块,用于对所述备选食谱的文本描述进行语义编码和维度调整以得到调整后备选食谱文本语义编码特征向量;

语义匹配度量模块,用于基于所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量之间的语义交叉匹配特征,确定所述备选食谱与所述患者对象的匹配度是否达到预定要求;

其中,所述语义匹配度量模块,包括:

语义交叉匹配系数计算单元,用于计算所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量之间的语义交叉匹配系数以得到患者‑食谱语义匹配特征向量;

匹配度判断单元,用于将所述患者‑食谱语义匹配特征向量通过分类器以得到分类结果,所述分类结果用于表示所述备选食谱与所述患者对象的匹配度是否达到预定要求;

其中,所述语义交叉匹配系数计算单元,用于:

以如下语义交叉度量公式来计算所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量的各个位置特征值之间的语义交叉匹配系数以得到所述患者‑食谱语义匹配特征向量;其中,所述语义交叉度量公式为:;

其中, 为所述患者信息‑患者检查文本双边互补语义特征向量中第 个特征值,为所述调整后备选食谱文本语义编码特征向量中第 个特征值, 为所述患者信息‑患者检查文本双边互补语义特征向量的维度, 为第 个语义交叉匹配系数,即所述患者‑食谱语义匹配特征向量中第 个特征值, 表示以2为底的对数函数运算;

其中,所述患者信息语义分析模块,包括:

患者个人信息语义理解单元,用于将所述患者对象的个人信息的文本描述通过基于Transformer的患者个人信息语义编码器进行语义编码以得到患者信息文本语义编码特征向量;

患者检查报告语义理解单元,用于对所述患者对象的检查报告的文本描述通过基于Transformer的患者检查报告语义编码器进行语义编码以得到患者检查文本语义编码特征向量;

特征交互单元,用于对所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量进行特征交互以得到所述患者信息‑患者检查文本双边互补语义特征向量;

其中,所述特征交互单元,包括:

双边信息互补子单元,用于将所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量通过基于双边信息互补注意力的特征交互模块以得到所述患者信息‑患者检查文本双边互补语义特征向量;

其中,所述双边信息互补子单元,包括:

将所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量进行串联以得到第一串联向量;

将所述第一串联向量通过Softmax层以得到第一注意力权重向量;

将所述患者信息文本语义编码特征向量和所述第一注意力权重向量进行向量相乘以得到第一融合向量;

将所述第一融合向量通过全连接层以得到包含患者检查文本语义信息的患者信息文本语义编码特征向量;

将所述患者信息文本语义编码特征向量通过Softmax层以得到第二注意力权重向量;

将所述第二注意力权重向量和所述患者检查文本语义编码特征向量进行向量相乘以得到第二融合向量;

将所述第二融合向量通过全连接层以得到包含患者个人信息的患者检查文本语义编码特征向量;

融合所述包含患者检查文本语义信息的患者信息文本语义编码特征向量和所述包含患者个人信息的患者检查文本语义编码特征向量以得到所述患者信息‑患者检查文本双边互补语义特征向量。

2.根据权利要求1所述的基于人工智能的糖尿病肾病患者饮食管理系统,其特征在于,所述备选食谱语义理解模块,用于:备选食谱语义编码单元,用于对所述备选食谱的文本描述进行语义编码以得到备选食谱文本语义编码特征向量;

维度调整单元,用于对备选食谱文本语义编码特征向量进行维度调整以得到所述调整后备选食谱文本语义编码特征向量。

3.根据权利要求2所述的基于人工智能的糖尿病肾病患者饮食管理系统,其特征在于,所述维度调整单元,用于:将所述备选食谱文本语义编码特征向量通过基于全连接层的维度调整模块以得到所述调整后备选食谱文本语义编码特征向量。

4.根据权利要求3所述的基于人工智能的糖尿病肾病患者饮食管理系统,其特征在于,还包括用于对所述基于Transformer的患者个人信息语义编码器、所述基于Transformer的患者检查报告语义编码器、所述基于双边信息互补注意力的特征交互模块、所述基于全连接层的维度调整模块和所述分类器进行训练的训练模块;其中,所述训练模块,包括:训练信息获取单元,用于获取训练数据,所述训练数据包括患者对象的训练个人信息的文本描述和训练检查报告的文本描述、训练备选食谱的文本描述,以及,所述训练备选食谱与所述患者对象的匹配度是否达到预定要求的真实值;

训练患者个人信息语义编码单元,用于对所述患者对象的训练个人信息的文本描述通过基于Transformer的患者个人信息语义编码器进行语义编码以得到训练患者信息文本语义编码特征向量;

训练患者检查报告语义编码单元,用于对所述患者对象的训练检查报告的文本描述通过基于Transformer的患者检查报告语义编码器进行语义编码以得到训练患者检查文本语义编码特征向量;

训练双边信息互补特征交互单元,用于将所述训练患者信息文本语义编码特征向量和所述训练患者检查文本语义编码特征向量通过基于双边信息互补注意力的特征交互模块以得到训练患者信息‑患者检查文本双边互补语义特征向量;

训练备选食谱语义编码单元,用于对所述训练备选食谱的文本描述进行语义编码以得到训练备选食谱文本语义编码特征向量;

训练维度调整单元,用于将所述训练备选食谱文本语义编码特征向量通过基于全连接层的维度调整模块以得到训练调整后备选食谱文本语义编码特征向量;

训练语义交叉匹配系数计算单元,用于计算所述训练患者信息‑患者检查文本双边互补语义特征向量和所述训练调整后备选食谱文本语义编码特征向量之间的语义交叉匹配系数以得到训练患者‑食谱语义匹配特征向量;

分类损失函数值计算单元,用于将所述训练患者‑食谱语义匹配特征向量通过分类器以得到分类损失函数值;

特定损失函数值计算单元,用于计算所述训练患者信息‑患者检查文本双边互补语义特征向量和所述训练调整后备选食谱文本语义编码特征向量的特定损失函数值;

训练单元,用于以所述分类损失函数值和所述特定损失函数值的加权和作为损失函数值,来对所述基于Transformer的患者个人信息语义编码器、所述基于Transformer的患者检查报告语义编码器、所述基于双边信息互补注意力的特征交互模块、所述基于全连接层的维度调整模块和所述分类器进行训练。

5.一种基于人工智能的糖尿病肾病患者饮食管理方法,其特征在于,包括:获取患者对象的个人信息的文本描述和检查报告的文本描述;

对所述患者对象的个人信息的文本描述和检查报告的文本描述进行语义编码和双边互补特征交互以得到患者信息‑患者检查文本双边互补语义特征向量;

获取备选食谱的文本描述;

对所述备选食谱的文本描述进行语义编码和维度调整以得到调整后备选食谱文本语义编码特征向量;

基于所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量之间的语义交叉匹配特征,确定所述备选食谱与所述患者对象的匹配度是否达到预定要求;

其中,基于所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量之间的语义交叉匹配特征,确定所述备选食谱与所述患者对象的匹配度是否达到预定要求,包括:计算所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量之间的语义交叉匹配系数以得到患者‑食谱语义匹配特征向量;

将所述患者‑食谱语义匹配特征向量通过分类器以得到分类结果,所述分类结果用于表示所述备选食谱与所述患者对象的匹配度是否达到预定要求;

其中,计算所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量之间的语义交叉匹配系数以得到患者‑食谱语义匹配特征向量,包括:以如下语义交叉度量公式来计算所述患者信息‑患者检查文本双边互补语义特征向量和所述调整后备选食谱文本语义编码特征向量的各个位置特征值之间的语义交叉匹配系数以得到所述患者‑食谱语义匹配特征向量;其中,所述语义交叉度量公式为:;

其中, 为所述患者信息‑患者检查文本双边互补语义特征向量中第 个特征值,为所述调整后备选食谱文本语义编码特征向量中第 个特征值, 为所述患者信息‑患者检查文本双边互补语义特征向量的维度, 为第 个语义交叉匹配系数,即所述患者‑食谱语义匹配特征向量中第 个特征值, 表示以2为底的对数函数运算;

其中,对所述患者对象的个人信息的文本描述和检查报告的文本描述进行语义编码和双边互补特征交互以得到患者信息‑患者检查文本双边互补语义特征向量,包括:将所述患者对象的个人信息的文本描述通过基于Transformer的患者个人信息语义编码器进行语义编码以得到患者信息文本语义编码特征向量;

对所述患者对象的检查报告的文本描述通过基于Transformer的患者检查报告语义编码器进行语义编码以得到患者检查文本语义编码特征向量;

对所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量进行特征交互以得到所述患者信息‑患者检查文本双边互补语义特征向量;

其中,对所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量进行特征交互以得到所述患者信息‑患者检查文本双边互补语义特征向量,包括:将所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量通过基于双边信息互补注意力的特征交互模块以得到所述患者信息‑患者检查文本双边互补语义特征向量;

其中,将所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量通过基于双边信息互补注意力的特征交互模块以得到所述患者信息‑患者检查文本双边互补语义特征向量,包括:将所述患者信息文本语义编码特征向量和所述患者检查文本语义编码特征向量进行串联以得到第一串联向量;

将所述第一串联向量通过Softmax层以得到第一注意力权重向量;

将所述患者信息文本语义编码特征向量和所述第一注意力权重向量进行向量相乘以得到第一融合向量;

将所述第一融合向量通过全连接层以得到包含患者检查文本语义信息的患者信息文本语义编码特征向量;

将所述患者信息文本语义编码特征向量通过Softmax层以得到第二注意力权重向量;

将所述第二注意力权重向量和所述患者检查文本语义编码特征向量进行向量相乘以得到第二融合向量;

将所述第二融合向量通过全连接层以得到包含患者个人信息的患者检查文本语义编码特征向量;

融合所述包含患者检查文本语义信息的患者信息文本语义编码特征向量和所述包含患者个人信息的患者检查文本语义编码特征向量以得到所述患者信息‑患者检查文本双边互补语义特征向量。