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！

龙图腾网获悉浙江大学;浙江工商大学申请的专利基于深度强化学习与FP-Growth算法的医保用药合理性拦截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：CN121096692B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511645272.1，技术领域涉及：G16H70/40；该发明授权基于深度强化学习与FP-Growth算法的医保用药合理性拦截系统及方法是由徐烨云;刘晓婷;郁建兴;鲍小飞;林敏;许杰;夏燕;胡奇吉设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本基于深度强化学习与FP-Growth算法的医保用药合理性拦截系统及方法在说明书摘要公布了：本发明属于医疗信息化技术领域，具体涉及基于深度强化学习与FP‑Growth算法的医保用药合理性拦截系统及方法，该方法包括以下步骤，步骤S1，实时接收医院HIS系统传输的电子处方数据；步骤S2，根据处方中的原始诊断信息，经过标准化处理得到诊断集；根据处方中的原始药品信息，经过清洗整合得到药品集；S3，基于FP‑Growth关联规则算法，对所述诊断集与药品集进行诊断－药物关联分析和药物－药物关联分析，根据预设条件识别低关联性处方并标记为可疑处方；S4，通过DRL决策优化对所述可疑处方启动深度强化学习分析，输出处方强化学习特征集；S5，根据所述处方强化学习特征集，输出处方定性分析结果及对应的置信度评分。

本发明授权基于深度强化学习与FP-Growth算法的医保用药合理性拦截系统及方法在权利要求书中公布了：1.基于深度强化学习与FP-Growth算法的医保用药合理性拦截方法，其特征在于：包括以下步骤， S1，实时接收医院HIS系统传输的电子处方数据； S2，根据处方中的原始诊断信息，经过标准化处理得到诊断集，具体包括将文本诊断描述转换为ICD-10标准编码并统一临床同义术语；所述根据处方中的原始药品信息，经过清洗整合得到药品集，包括将不同规格药品换算为标准单位、建立商品名与通用名映射关系并合并相同成分不同剂型的药品；根据处方中的原始药品信息，经过清洗整合得到药品集； S3，基于FP-Growth关联规则算法，对所述诊断集与药品集进行诊断－药物关联分析和药物－药物关联分析，根据预设条件识别低关联性处方并标记为可疑处方，其中所述诊断-药物关联分析包括：基于FP-Growth关联规则算法，对经标准化处理的诊断集与清洗整合的药品集，挖掘“诊断编码→对应药品”的组合关系；通过扫描数据集统计诊断-药物项集的出现频次，按预设支持度阈值筛选频繁项集并构建FP树，基于预设置信度阈值提取强关联规则，识别支持度或置信度低于设定阈值的低关联性诊断-药物组合；所述药物-药物关联分析包括：基于FP-Growth关联规则算法，对经清洗整合的药品集，挖掘“药品集内部”的多药物组合关系；通过扫描数据集统计药物-药物项集的出现频次，按预设支持度阈值筛选频繁项集并构建FP树，基于预设置信度阈值提取强关联规则，识别支持度或置信度低于设定阈值的无临床依据药物组合； S4，通过DRL决策优化对所述可疑处方启动深度强化学习分析，基于历史处方数据、医保政策及临床指南，采用PPO算法构建医生－系统交互环境，通过混合奖励机制动态调整拦截策略，输出处方强化学习特征集； S5，根据所述处方强化学习特征集，经特征工程处理构建高维特征向量后，基于多模态定性分析推理对处方进行定性分析，输出处方定性分析结果及对应的置信度评分，包括；以处方强化学习特征集为输入，通过特征工程处理将各类特征标准化、数值化后整合为256维高维特征向量；随后基于多模态定性分 析网络架构展开推理，其中Transformer编码器捕捉药品相互作用全局特征，双向LSTM层挖掘诊断-药品间的时序依赖关系，经多层神经网络运算后通过Softmax输出层输出“合理处方”“可疑处方”“违规处方”三类定性分析结果；同时生成0-1区间的置信度评分，当置信度评分低于预设阈值时自动触发人工复核流程，同步输出处方定性分析结果及对应的置信度评分； S6：将所述处方定性分析结果及置信度评分推送至医生工作站，并同步至医保审核平台。

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浙江大学;浙江工商大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。