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！

龙图腾网恭喜吉林大学第一医院申请的专利基于知识图谱的护理风险干预决策系统及方法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：CN119560121B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510132164.8，技术领域涉及：G16H40/20；该发明授权基于知识图谱的护理风险干预决策系统及方法是由杨文婷设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本基于知识图谱的护理风险干预决策系统及方法在说明书摘要公布了：本发明公开了基于知识图谱的护理风险干预决策系统及方法，涉及医疗信息化技术领域，包括：基于多源护理数据和深度学习模型构建动态医疗护理知识图谱，采用双向长短时记忆网络和条件随机场进行实体识别；通过边际注意力机制和时序图卷积网络捕捉实体关系的演化特征，基于连通性约束和关系权重阈值优化知识图谱结构；利用强化学习驱动的图谱优化机制对知识结构进行动态调整，实时优化实体间关系权重，构建多层次风险表征模型，通过局部风险特征提取、全局风险信息聚合和时序风险演变分析，实现护理风险的精准识别和预警。本发明将医学实体间的复杂关联关系与护理风险决策深度融合，将多维医学实体特征，构建为实体间关联网络，实现风险早期识别。

本发明授权基于知识图谱的护理风险干预决策系统及方法在权利要求书中公布了：1.基于知识图谱的护理风险干预决策方法，其特征在于，包括：基于多源护理数据和深度学习模型构建动态医疗护理知识图谱，采用双向长短时记忆网络和条件随机场进行实体识别；通过边际注意力机制和时序图卷积网络捕捉实体关系的动态表达和演化特征，并引入医学领域知识约束优化实体语义相似度计算，基于连通性约束和关系权重阈值优化知识图谱结构；利用强化学习驱动的图谱优化机制对知识结构进行动态调整，通过定义图谱状态空间、动作空间和奖励函数，实时优化实体间关系权重，同时配合图谱剪枝策略维护知识结构的精简性和有效性；基于优化后的知识图谱，构建多层次风险表征模型，通过局部风险特征提取、全局风险信息聚合和时序风险演变分析，实现护理风险的精准识别和预警；所述多源护理数据包括护理文本数据、患者生理指标数据和专家知识库数据；所述护理文本数据包括护理记录、医嘱执行记录、护理评估记录、护理交接班记录、护理不良事件记录以及护理质量监控记录；所述患者生理指标数据包括体温、血压、心率、呼吸频率、血氧饱和度、血糖、体重、排尿量、排便次数以及意识状态的实时监测数据；所述专家知识库数据包括标准护理规范、专家经验总结、护理案例库、护理指南、护理技术操作规程、护理质量评价标准以及护理风险预警规则；对所述护理文本数据进行分词和医学实体标注，通过标注函数处理每个词元，表示为： ；其中，表示输入的词元，表示第1个位置的标注类别，表示第2个位置的标注类别，表示第个位置的标注类别，包括"疾病"、"症状"、"治疗"、"检查"、"药品"、"手术"、"器械"、"护理措施"、"生命体征"、"异常事件"、"风险等级"、"护理结局"、"护理时间"、"护理人员"及"护理部位"的医学实体类型；生成初始护理知识实体集，表示为： ；其中，表示初始护理知识实体集，表示第1个护理知识实体，表示第2个护理知识实体，表示第个护理知识实体，为实体总数；每个实体都包含实体名称、实体类型、实体出现位置、实体频次以及实体时间戳；基于所述初始护理知识实体集构建特征向量矩阵，通过上下文窗口提取语义特征，并引入医学领域知识约束，用于改进模型，计算每个实体的实体语义相似度，表示为： ；其中，和分别表示实体和的特征向量，表示向量范数；将所有实体对之间的语义相似度组织成矩阵形式，构建一个×维的矩阵，即实体语义关联度矩阵；加入医学领域知识约束项优化目标函数改进模型，表示为： ；其中，为原始损失函数，为医学知识约束对集合，为平衡参数，表示总的损失函数；将实体语义关联度矩阵输入到边际注意力网络中，通过注意力机制自适应学习实体间的重要性权重，计算得到护理知识实体间的初始关联权重矩阵；基于所述初始关联权重矩阵建立时序图卷积模型，通过结合时间信息和图结构信息捕捉知识演化特征，所述时序图卷积模型的特征提取公式表示为： ；其中，，为添加自环后的邻接矩阵，为原始邻接矩阵；为维单位矩阵，表示第层的节点特征矩阵，表示第层的节点特征矩阵，为对应的度矩阵，表示第层的可学习权重矩阵，表示激活函数，为时间编码矩阵；进一步的，时间编码矩阵中的元素表示为： ；其中，表示时间编码矩阵的第行列元素，为节点对应的时间戳，为频率参数，为相位参数；从护理文书中直接提取实体的原始特征，形成初始特征矩阵，将初始特征矩阵输入至时序图卷积模型进行特征提取并与时间编码矩阵进行时序卷积，得到经过时序图卷积模型处理后的输出特征矩阵；将所述输出特征矩阵输入到命名实体识别模块，命名实体识别模块采用双向长短时记忆网络结构，通过前向和后向信息流提升实体识别准确率；双向长短时记忆网络的最终输出层采用条件随机场进行序列标注，表示为： ；其中，表示在给定输入序列条件下，输出标注序列的条件概率，为归一化因子，表示势函数，计算当前标注和前一个标注的转移概率，表示序列长度，表示时刻的标注，表示时刻的标注，表示输入序列；通过进行序列标注，从文本中识别出新的实体，新识别的实体会补充到原有的护理知识实体集中，形成新增护理知识实体集。

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吉林大学第一医院，其通讯地址为：130021 吉林省长春市新民大街1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”。