CN119418855A 一种用于下腰痛康复的生成式人工智能辅助方法及系统 （中国医学科学院北京协和医院）

号一种用于下腰痛康复的生成式人工智能辅本发明公开了一种用于下腰痛康复的生成能辅助系统通过自动语音识别模块和自然语言2所述数据采集模块包括智能可穿戴设备、移动终端设备和录音设备；所述数据处理模块包括中央数据处理单元和大容量数据存储设所述电子健康记录改进模块包括自动语音识别模块、自然语言处理别模块和EHR系统接口；通过利用自动语音识别模块将患者与医生之间的对话实时转换为所述生成式AI医学语言简化模块包括生成式AI模型、大规模医学文档块和电子健康记录改进模块获取数据，将处理后的简化文本通过用户交互模块展示给患所述个性化康复方案生成与实施模块与用户交互模块和数据所述用户交互与反馈模块通过互联网与个性化康复方案生成与实施所述系统控制与协调模块包括中央控制器、任务调度器、高速2.如权利要求1所述用于下腰痛康复的生成式人工智能辅助系统的实现方法，其特征S2，生成式人工智能辅助系统通过自动语音识别模块33.根据权利要求2所述用于下腰痛康复的生成式人工智能辅助系统的实现方法，其特S22，自然语言处理模块和命名实体识别模块利用深度学习模型对转换后的文本进行4.根据权利要求2所述用于下腰痛康复的生成式人工智能辅助系统的实现方法，其特45.根据权利要求2所述用于下腰痛康复的生成式人工智能辅助系统的实现方法，其特变分自编码器将输入数据映射到潜在空间，解码器从潜在空间重生成对抗网络包括生成器和判别器，生成器生成新的数据其中，D(x)是判别器给出输入x为真实数据的概率，G(z)是生成n是权重；6.根据权利要5所述用于下腰痛康复的生成式人工智能辅助系统的实现方法，其特征57.根据权利要2所述用于下腰痛康复的生成式人工智能辅助系统的实现方法，其特征6[0005]CN118098564A基于多模态LLM的自动辅诊方法及其模型构建方法，通过多模态数[0006]CN118098585A一种基于数据驱动与大模型的医学AI助理实现方法及系统，通过7体识别模块和EHR系统接口；通过利用自动语音识别模块将患者与医生之间的对话实时转[0014]所述用户交互与反馈模块通过互联网与个性化康复方案8[0028]S22，自然语言处理模块和命名实体识别模块利用深度学习模型对转换后的文本[0042]其中，vt是时间t时的单词，生成摘要的过程是使用前序单词序列预测下一个单[0048]数据存储，将摘要数据存储在EHR系统的适当位置，方便医生和医疗工作人员访9n是权重；[0097]该模块采集到的数据通过蓝牙或Wi_Fi连接至移动终端设备，然后通过加密的无[0103]组成部件：自动语音识别(ASR)模块、自然语言处理(NLP)模块、命名实体识别[0104]该模块通过利用ASR模块将患者与医生之间的对话实时转换为文本。随后，通过NLP模块对生成的文本进行语义分析，并使用NER技术识别并提取与下腰痛相关的重要信[0105]该模块与数据处理模块紧密集成，生成的结构化数据通过标准化的API接口传输[0108]此模块的核心功能是将复杂的医学术语和诊疗信息转化为患者易于理解的语[0109]该模块从数据处理模块和EHR改进模块获取数据，处理后的简化文本通过用户交[0138]利用深度学习模型对转换后的文本进行语义分析，识别出关键的医疗术语和实[0154]P(v1v2…vw)=p(vlv1v2…v-1)(4)[0155]其中，vt是时间t时的单词，生成摘要的过程是使用前序单词序列预测下一个单[0162]数据存储：将摘要数据存储在EHR系统的适当位置，方便医生和医疗工作人员访理解自己的健康状况和康复计划。[0194]将预处理后的数据集划分为训练集和验证集，确保模型能够在新数据上表现良[0200]其中，θ、φ分别是生成器和识别模型的参数，x是输入数据，z是潜在变量，EZ-pzte)log(1-p(cce))是期望判别器对生成数据G(z)的判别错误率。pn)(9)[0235]通过上述详细的步骤和流程，本发明提供了一种高效的[0276]通过移动应用或可穿戴设备向患者推送个性化康复建议。应用程序提供交互界