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！

龙图腾网获悉海南大学申请的专利一种基于双层门控机制的多模态医疗推荐方法及相关装置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：CN121709125B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610194142.9，技术领域涉及：G16H20/00；该发明授权一种基于双层门控机制的多模态医疗推荐方法及相关装置是由毋媛媛;黄无恙;黄梦醒;冯子凯设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本一种基于双层门控机制的多模态医疗推荐方法及相关装置在说明书摘要公布了：本发明公开一种基于双层门控机制的多模态医疗推荐方法及相关装置，涉及人工智能医疗技术领域。该方法获取患者的文本数据、数值数据、类别数据并进行预处理，获得数据集；将数据集输入多任务学习模型中进行训练，直至达到训练轮次或满足预设条件，获得训练好的多任务学习模型，多任务学习模型通过文本特征分支、数值特征分支、类别特征分支分别对文本数据、数值数据、类别数据进行特征提取，获得文本特征、数值特征、类别特征；文本特征、数值特征、类别特征同时输入双层门控网络中进行模态级门控和特征级门控处理，获得最终特征表示；最终特征表示输入多任务头网络，获得若干任务的分类预测结果。本发明能够为患者提供精准的个性化医疗推荐。

本发明授权一种基于双层门控机制的多模态医疗推荐方法及相关装置在权利要求书中公布了：1.一种基于双层门控机制的多模态医疗推荐方法，其特征在于，包括如下步骤： 获取患者的多模态医疗数据并进行预处理，获得数据集；所述多模态医疗数据包括文本数据、数值数据、类别数据，将所述数据集按预设比例划分为训练集和测试集； 将数据集输入预设的基于双层门控机制的多任务学习模型中进行迭代训练，直至达到训练轮次或满足预设条件，获得训练好的多任务学习模型； 将待预测的患者数据输入训练好的多任务学习模型进行预测，获得患者的个性化医疗推荐方案，所述个性化医疗推荐方案包括高血压风险预测、BMI分类、饮食建议生成、运动建议生成、康复建议生成和健康状态评估； 其中，所述多任务学习模型包括文本特征分支、数值特征分支、类别特征分支、双层门控网络和多任务头网络，所述多任务学习模型的处理过程为：通过所述文本特征分支、数值特征分支、类别特征分支分别对文本数据、数值数据、类别数据进行特征提取，获得文本特征、数值特征、类别特征；所述文本特征、数值特征、类别特征同时输入所述双层门控网络中进行模态级门控和特征级门控处理，获得最终特征表示；所述最终特征表示输入多任务头网络，获得若干任务的分类预测结果； 所述双层门控网络的处理过程，包括如下：模态级门控，通过Softmax函数为文本特征、数值特征、类别特征分配任务条件相对应的模态级门控系数；基于文本特征、数值特征、类别特征与对应的进行模态级门控系数逐元素相乘后再进行拼接操作，获得融合特征；特征级门控引入通道注意力，对输入的所述融合特征进行全局平均池化后，通过两层全连接层和Sigmoid函数为融合特征的每个维度分配0-1之间的特征级门控系数；将所述特征级门控系数与融合特征进行逐元素相乘，获得最终特征表示； 所述多任务学习模型在训练过程中，包括如下步骤：确定评估指标，所述评估指标包括准确率、F1分数和曲线下面积；引入分层学习率策略，利用训练集对基于双层门控机制的多任务学习模型进行迭代训练，基于损失函数计算损失值，并根据损失值通过AdamW优化器和余弦退火学习率调度动态调整学习率，混合精度训练提高训练效率并减少显存占用，梯度裁剪防止梯度爆炸，同时根据评估指标，使用测试集对训练好的模型进行性能评估；所述损失函数，公式如下： ，其中为模型一个批次的最终总损失；为动态置信度缩放因子；，其中confidence为当前批次预测的平均置信度，β为调节超参数；N为当前批次中的样本总数；C为任务的总类别数；为类别c的平衡权重；为类别c的焦点损失权重因子；为模型对样本i属于类别c的预测概率；为焦点损失调节参数；为指示函数。

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海南大学，其通讯地址为：570228 海南省海口市人民大道58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。