CN120299628A 基于大模型的多模态个性化健康管理方案生成方法及装置 (安徽太昊智能科技有限公司)_第1页
CN120299628A 基于大模型的多模态个性化健康管理方案生成方法及装置 (安徽太昊智能科技有限公司)_第2页
CN120299628A 基于大模型的多模态个性化健康管理方案生成方法及装置 (安徽太昊智能科技有限公司)_第3页
CN120299628A 基于大模型的多模态个性化健康管理方案生成方法及装置 (安徽太昊智能科技有限公司)_第4页
CN120299628A 基于大模型的多模态个性化健康管理方案生成方法及装置 (安徽太昊智能科技有限公司)_第5页
已阅读5页,还剩23页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于大模型的多模态个性化健康管理方案本申请涉及一种基于大模型的多模态个性化健康管理方案生成方法及装置。所述方法包预构建的深度健康管理知识图谱进行双向关联通过图注意力网络和可微分推理引擎进行增强2采集用户的多源健康数据,通过多种可穿戴设备和医疗监将所述初步健康评估结果与预构建的深度健康管理知识图谱进行双向关联采用图注意力机制动态加载医学实体节点,对知识图谱验证结果通过将所述病理关联增强向量与标准化体征特征矩阵进行多尺度融合3.根据权利要求1所述的方法,其特征在于,对采集到的所述多源健康数据进行预处足通用大模型输入要求和数据格式规范的健采用分频带卷积核组处理所述标准化体征特征矩阵中的生理信号,对所述标准化体征特征矩阵中的体感文本进行医学实体预标注,使用交叉注意力机制对所述标准化体征特征矩阵中的运动姿态序列与环境参数进行将所述时频域混合特征、所述症状体征联合嵌入空间以及运动环境时空关联特征通过生理机制链对用户的历史健康数据进行个性3采用图注意力机制动态加载医学实体节点,对知识图谱验证结果8.一种基于大模型的多模态个性化健康管理方数据采集模块,用于采集用户的多源健康数据,通过多种可穿预处理模块,用于对采集到的所述多源健康数据进行预处理,得到标验证模块,用于将所述初步健康评估结果与预构建的深度健康管理知特征增强模块,用于采用图注意力机制动态加载医学实体节点4采集用户的多源健康数据,通过多种可穿戴设备和医疗监测设备实时采集并传将所述初步健康评估结果与预构建的深度健康管理知识图谱进行双向关联匹配,5推理模块,用于将所述病理关联增强向量与标准化体征特征矩阵进行多尺度融采集用户的多源健康数据,通过多种可穿戴设备和医疗监测设备实时采集并传将所述初步健康评估结果与预构建的深度健康管理知识图谱进行双向关联匹配,6采集用户的多源健康数据,通过多种可穿戴设备和医疗监测设备实时采集并传将所述初步健康评估结果与预构建的深度健康管理知识图谱进行双向关联匹配,[0014]图1为一个实施例中基于大模型的多模态个性化健康管理方案生成方法的流程示图2为一个实施例中基于大模型的多模态个性化健康管理方案生成装置的结构框7[0021]大模型通过多层Transformer架构提取跨模态关联特征,可以得到初步健康评估[0022]步骤108,将初步健康评估结果与预构建的深度健康管理知识图谱进行双向关联8事项。9基于病理关联增强向量与标准化体征特征矩阵,利用注意力机制进行融合,使得二者所包含的信息进行融合叠加,其中同时涵盖丰富的时间信息和空间信息,最终通过多目标优化优化进化算法。和医疗监测设备进行无线连接,可穿戴设备和医疗监测设备采集用户的多维度健康数据;[0046]在另一个实施例中,采用分频带卷积核组处理标准化体征特征矩阵中的生理信准化体征特征矩阵中的运动姿态序列与环境参数进行query@keyT部分计算运动姿态与环境参数的相关性矩阵,sqrt(dim)进行尺度缩放。[0050]因果特征提取:causal_features=attention_weights@value,其中,attention_weights表示注意力权重。K”习模型对数据进行分类和预测,识别出可能预示健康风险或状态变化的关键特征和趋势,温度25℃,居住地PM2.5=65μ推理模块,用于将所述病理关联增强向量与标准化体征特征矩阵进行多尺度融[0066]关于基于大模型的多模态个性化健康管理方案生成装置的具体限定可以参见上基于大模型的多模态个性化健康管理方案生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器机程序被处理器执行时实现上述实施例中方法通过计算机程序来指令相关的硬件来完成,所述的计算机程

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论