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！

龙图腾网获悉福建省星云大数据应用服务有限公司申请的专利一种结合数据飞轮强化学习的医疗策略生成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：CN120376172B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510847299.2，技术领域涉及：G16H50/70；该发明授权一种结合数据飞轮强化学习的医疗策略生成方法及系统是由陈雯珊;龚乔楠;陈明福;郭建辉;杨祖亮;刘凌坤;林健;梁诗瑶设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本一种结合数据飞轮强化学习的医疗策略生成方法及系统在说明书摘要公布了：本发明提供了人工智能与临床医疗交叉技术领域的一种结合数据飞轮强化学习的医疗策略生成方法及系统，方法包括：步骤S1、创建多模数据标注模型，设定标注损失函数、标注奖励函数；步骤S2、获取大量的历史医疗数据构建数据集；步骤S3、对多模数据标注模型进行训练和压缩；步骤S4、创建医疗决策模型，设定决策损失函数、决策奖励函数；步骤S5、对医疗决策模型进行训练和压缩；步骤S6、对训练后的模型进行部署；步骤S7、通过多模数据标注模型对实时医疗数据进行标注，通过标注后的实时医疗数据对医疗决策模型进行增量训练；步骤S8、通过部署的医疗决策模型进行医疗问答。本发明的优点在于：极大的提升了医疗决策的准确性、时效性以及安全性。

本发明授权一种结合数据飞轮强化学习的医疗策略生成方法及系统在权利要求书中公布了：1.一种结合数据飞轮强化学习的医疗策略生成方法，其特征在于：包括如下步骤： 步骤S1、基于特征提取层、模态融合层、特征增强层、标注预测层以及反馈优化层创建一多模数据标注模型，设定所述多模数据标注模型的标注损失函数以及标注奖励函数； 所述标注损失函数的公式为： L1=λ1*Lvis+λ2*Ltext+λ3*Lcons+λ4*LfusionLtotal； 其中，L1表示标注损失函数的损失值；Lvis表示医学影像数据的对比损失，用于约束关键的影像特征与标签的关联性；Ltext表示电子病例数据的焦点损失，用于缓解类别不平衡问题；Lcons表示跨模态一致性损失，用于使用KL散度约束不同模态预测分布的一致性； LfusionLtotal表示融合增强损失，用于使用动态加权交叉熵强化多模态协同效应；λ1、λ2、λ3、λ4均表示权重系数； 所述标注奖励函数的公式为： R1=α1*Racc1+α2*Rcomp+α3*Reff1+α4*RuserRtotal； 其中，R1表示标注奖励函数的奖励值；Racc1表示标注准确性；Rcomp表示模态互补性；Reff1表示标注效率；RuserRtotal表示用户认可度；α1、α2、α3、α4均表示权重系数； 步骤S2、获取大量包括医学影像数据、检测波形数据、电子病例数据以及基因测序数据的历史医疗数据，对各所述历史医疗数据进行脱敏、预处理以及标注后构建数据集； 步骤S3、通过所述数据集、标注损失函数以及标注奖励函数对多模数据标注模型进行训练，训练过程中对所述多模数据标注模型进行压缩； 步骤S4、基于多模态数据融合层、特征交互层以及诊断决策层创建一医疗决策模型，设定所述医疗决策模型的决策损失函数以及决策奖励函数； 所述多模态数据融合层用于从医学影像数据、检测波形数据、电子病例数据以及基因测序数据中提取联合表示；所述特征交互层用于对联合表示执行特征交互操作，得到融合特征；所述诊断决策层用于依据融合特征输出携带疾病分类、预后评估和治疗建议的医疗策略建议； 所述决策损失函数的公式为： L2=β1*Ldiag+β2*Lpath+β3*Ltime； 其中，L2表示决策损失函数的损失值；Ldiag表示诊断交叉熵损失，用于衡量医疗策略建议与真实标签的差异；Lpath表示临床路径正则化损失，采用KL散度衡量模型决策路径与标准临床路径的偏差；Ltime表示时序一致性损失，用于确保连续决策步骤间的合理性；β1、β2、β3均表示权重系数； 所述决策奖励函数的公式为： R2=γ1*Racc2+γ2*Rpath+γ3*Rrisk+γ4*Reff2； 其中，R2表示决策奖励函数的奖励值；Racc2表示诊断准确性奖励，采用加权F1分数；Rpath表示路径合理性奖励，采用余弦相似性；Rrisk表示风险规避奖励；Reff2表示诊疗效率奖励； γ1、γ2、γ3、γ4均表示权重系数； 步骤S5、通过所述数据集、决策损失函数以及决策奖励函数对医疗决策模型进行训练，训练过程中对所述医疗决策模型进行压缩； 步骤S6、通过容器化技术对训练后的所述多模数据标注模型以及医疗决策模型进行本地部署，采集大量的实际医疗数据，对各所述实际医疗数据进行脱敏、预处理以及标注，基于标注后的各所述实际医疗数据对部署的多模数据标注模型以及医疗决策模型进行模型漂移训练，通过准确率、召回率、F1值以及ROC曲线对模型漂移训练后的所述多模数据标注模型以及医疗决策模型进行性能验证； 步骤S7、采集实时医疗数据以及最新医学知识，通过部署的所述多模数据标注模型对实时医疗数据以及最新医学知识进行自动标注，通过标注后的所述实时医疗数据以及最新医学知识对医疗决策模型进行增量训练； 步骤S8、通过部署的所述医疗决策模型进行医疗问答，实时记录至少包括医疗问题、医疗策略建议、问答时间、提问账号以及误诊反馈的问答日志； 步骤S9、通过部署的所述多模数据标注模型对问答日志进行自动标注，当标注的所述问答日志达到预设的数量阈值时，在预设的时间段通过标注后的所述问答日志自动对医疗决策模型进行增量训练； 对所述问答日志进行加密得到加密日志，对所述加密日志进行分布式存储，通过HMAC算法计算所述加密日志的数据指纹，将所述数据指纹上传区块链。

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福建省星云大数据应用服务有限公司，其通讯地址为：350000 福建省福州市鼓楼区工业路洪山科技园科研楼5层505室；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”。

以上内容由龙图腾AI智能生成。