CN119416886A 一种利用大语言模型构建医用加速器质控知识库的方法及系统 （汕头大学医学院附属肿瘤医院）

一种利用大语言模型构建医用加速器质控一种利用大语言模型构建医用加速器质控2定标准进行分析并划分为多个数据块，检查分析数据块的完整性并将其划分为正常数据其中正常数据标记表示数据完整性良好且在正常范围内，潜据块和需进一步检查数据块中涉及设备性能参数的数同时，采用Z分数法以及IQR法对分析模型判定异常的数据块内每个数据进行异常值若数据的Z分数超出±3以及超出IQR范围，则判建立图数据库Neo4j且在其中创建三种类型节点与三个子库相对应，根据设备性能子入到RGCN模型中，并采用随机负采样的方式在模型中进行训练，得到每个节点的向量表2.如权利要求1所述的一种利用大语言模型构建医用加速器质控知识库的方法，其特33.如权利要求2所述的一种利用大语言模型构建医用加速器质控知识库的方法，其特4.如权利要求1所述的一种利用大语言模型构建医用加速器质控知识库的方法，其特S32、对自编码器判定疑似异常的数据随机采取变分自编码器对潜在异常数据进行概率建模，假设疑似异常生成式对抗网络包括生成器和判别器，生成器根据正常数据块若数据点的Z分数超过±3的范围，同时也超出IQR若数据点仅Z分数超过±3的范围/超出IQR法中的上下限，则根据数据的物理意义和5.如权利要求4所述的一种利用大语言模型构建医用加速器质控知识库的方法，其特4。6.如权利要求1所述的一种利用大语言模型构建医用加速器质控知识库的方法，其特将三个子库的文本数据分割成多个数据集，在多个数据集上同时进行GloVe算法的构将图结构数据分割成多个子图，每个子图同时进行R_GCN模型训练，再通过All_7.如权利要求1所述的一种利用大语言模型构建医用加速器质控知识库的方法，其特将新增数据和知识进行小规模更新，分析对知识图谱整体若新数据评估为不关联则放弃更新，若新数据评估8.一种利用大语言模型构建医用加速器质控知识库的系统，采用如权利要求1_7任一所述采集模块用于从不同数据来源进行数据收集并统一格式所述二段式预处理模块用于对数据进行智能化筛选，并将数据划分所述异常值检测模块用于构建分析模型，并对潜在异常数据块和需进所述知识库索引及查询模块用于构建数据索引机制，开发知识库查询接口9.如权利要求8所述的一种利用大语言模型构建医用加速器质控知识库的系统，其特所述一段处理单元用于将数据进行筛选并划分为多个数所述二段处理单元用于将多个数据集进行分析，并划分为正常数据块所述设备性能子库用于存放医用加速器参数性能数据、医用加速器性能稳定性数据、5所述设备问题及处理法子库用于存放医用加速器故障数据、医用加速所述质控标准子库用于存放医用加速器质量控制指标数据、医用加速6[0004]本发明的目的在于提供一种利用大语言模型构建医用加速器质控知识库的方法7[0017]通过计算两个向量之间的余弦相似度，确定图数据库中各个关系之间的关系权8[0035]若数据点仅Z分数超过±3的范围/超出IQR法中的上下限，则根据数据的物理意[0038]IQR法的计算方式为IQR=Q3-Q1，其中下限为Q1-1.5XIQR，上限为。[0040]将三个子库的文本数据分割成多个数据集，在多个数据集上同时进行GloVe算法[0043]将新增数据和知识进行小规模更新，分析对知识图谱整体结构和关系权重的影9[0048]所述二段式预处理模块用于对数据进行智能化筛选，并将数据划分为多个数据[0061]1、本发明通过多渠道采集医用加速器相关数据，能够涵盖医用加速器从设备性入到R_GCN模型中训练得到节点向量表示等一系列步骤，能更好地深入挖掘数据中的语[0083]通过计算两个向量之间的余弦相似度，确定图数据库中各个关系之间的关系权结果。同时结合传统的Z_分数法和IQR法对分析模型判定异常的数据块内每个数据进行一个医用加速器的工作温度范围可能是20_25摄氏度，常用工作频率可能是3000MHz。这些参数范围是由设备的设计和制造决定的，超出这些范围可能会导致设备性能下降或者损坏。而数据格式和完整性规则是指数据在采集、存储和传输过程中应该遵循的格式和完整数。数据完整性规则则要求数据在采集和传输过程中不能丢失或者损坏，否则可能会影响用加速器的质控知识库构建中，数据频率规则可能要求某些关键参数需要每隔一定时间是指通过对历史数据的统计分析，找出数据的变化规律和趋势，以便对未来的数据进行预内部调整规范及时更新知识库中的相关内容。[0109]若数据点仅Z分数超过±3的范围/超出IQR法中的上下限，则根据数据的物理意再对低维特征空间进行重建得到x1。计算原始数据x与重建数据x1的差异，采用均方误差该数据为疑似异常数据。对疑似异常数据，分别输入变分自编码器和生成式对抗网络进行电压V、电子束流I等参数，建立关系模型E=KXVXIk为根据加速器结构确定的常随电压降低而增加则剔除该数据。据其数据特点和历史波动范围，分别设定合适的趋势判定阈值。当新采集的数据与历史数则对数据进行修正，修正方法可根据历史数据的平均偏差进行调整；若偏差超过一定范围据偏离理论值超过10%（按照物理意义判定应为异常数据在此情况下就进行人工干[0118]IQR法的计算方式为IQR=Q3-Q1，其中下限为Q1-1.5XIQR，上限为。以优先选择均值替换算法；如果异常值偏离较大且数据存在明显的季节性或周期性特征，[0124]将三个子库的文本数据分割成多个数据集，在多个数据集上同时进行GloVe算法[0129]将新增数据和知识进行小规模更新，分析对知识图谱整体结构和关系权重的影备性能下降与设备问题出现之间的关系权重是否符合实际情况，如果存在不合理的权重，控人员等使用知识图谱的用户反馈他们在使用过程中发现的问题或者不合理之处。例如，常数据块和需进一步检查数据块。这种精确分类能够更有针对性地处理不同类型的数据。