【技术实现步骤摘要】
本专利技术属于医疗信息，尤其涉及一种基于大语言模型的宫颈筛查智能问答方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、宫颈癌作为全球女性健康的重大威胁，其发病率高居女性恶性肿瘤第四位，对女性生命健康构成了严重威胁。定期进行宫颈筛查是预防宫颈癌、实现早期发现和治疗的关键措施。然而，目前宫颈筛查的实施常常依赖于人工查询资料或专业医生的咨询，这种方法不仅效率低，而且容易受到信息误差的影响。此外，尽管当前的人工智能问答系统发展迅速，它们在提供跨领域信息时表现出色，但在特定领域，如宫颈筛查，往往无法提供足够精准的答案。这种泛泛而谈的回答方式难以满足患者对精确筛查结果的需求。同时，依赖外部模型或服务的传统方法可能会暴露敏感的私有数据，增加了信息泄露的风险。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了一种基于大语言模型的宫颈筛查智能问答方法及系统，通过整合先进的rag(检索增强生成)技术，结合专业的宫颈医疗知识库，实现对宫颈筛查相关知识的快速、准确检索和个性化的咨询服务，同时保护用户数据的安全性和隐私性，避免了传统方法中存在的数据泄露风险。
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、本专利技术第一方面提供了一种基于大语言模型的宫颈筛查智能问答方法；
4、一种基于大语言模型的宫颈筛查智能问答方法，包括：
5、获取与宫颈筛查相关的专
6、根据预处理后的专业数据构建基于宫颈筛查的专业语料库，将专业语料库输入到训练好的大语言模型中，构建智能问答系统；
7、根据智能问答系统从所述专业语料库中检索与所述用户输入问题最相关的信息；
8、将提取的最相关信息与用户输入的问题结合，获取增强的上下文信息；通过训练好的大语言模型结合增强的上下文信息，生成最终答案。
9、作为进一步的技术方案，所述与宫颈筛查相关的专业数据包括：常规筛查数据、阴道镜活检评估数据、检查结果管理数据、治疗后随访数据以及特殊人群筛查数据。
10、作为进一步的技术方案，所述根据预处理后的专业数据构建基于宫颈筛查的专业语料库的过程为：
11、基于逻辑规则的正则化约束分段方式，将原始对话语料中的文档集和数据集切分为粗粒度文段；
12、采用基于bert的自适应滑动窗口序列模型，对粗粒度文段中具有强依赖长文本篇章信息的宫颈筛查专业知识，利用足够的上下文信息进行准确分割，确保强语意关联的宫颈筛查专业描述、名词、术语等概念的完整保留。
13、作为进一步的技术方案，所述训练好的大语言模型包括本地语言模型和本地向量模型。
14、作为进一步的技术方案，所属将专业语料库挂载至经过训练好的大语言模型中，构建智能问答系统的过程为：
15、基于宫颈筛查知识库的向量检索路径，将输入问题与挂载的宫颈筛查知识库，在向量编码器中通过词嵌入方式转换为高维空间中的向量，然后通过余弦相似度计算方式，计算出输入问题与宫颈筛查知识库中对应内容的相关度，从而检索出多个候选内容。
16、作为进一步的技术方案，所述根据智能问答系统从所述专业语料库中检索与所述用户输入问题最相关的信息的过程为：
17、通过训练好的大语言模型将用户输入问题转换为向量表示，检索专业语料库中与用户问题最相关的信息，并根据相似度进行排序；
18、作为进一步的技术方案，在生成最终答案的过程中，还通过rag原理对最终答案进行优化。
19、本专利技术第二方面提供了一种基于大语言模型的宫颈筛查智能问答系统。
20、一种基于大语言模型的宫颈筛查智能问答系统，包括：
21、专业数据获取模块，被配置为：获取与宫颈筛查相关的专业数据，并对所述专业数据进行预处理；
22、专业语料库和智能问答系统构建模块，被配置为：根据预处理后的专业数据构建基于宫颈筛查的专业语料库，将专业语料库输入到训练好的大语言模型中，构建智能问答系统；
23、检索模块，被配置为：根据智能问答系统从所述专业语料库中检索与所述用户输入问题最相关的信息；
24、数据增强和答案生成模块，被配置为：将提取的最相关信息与用户输入的问题结合，获取增强的上下文信息；通过训练好的大语言模型结合增强的上下文信息，生成最终答案。
25、本专利技术第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的一种基于大语言模型的宫颈筛查智能问答方法中的步骤。
26、本专利技术第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的一种基于大语言模型的宫颈筛查智能问答方法中的步骤。
27、以上一个或多个技术方案存在以下有益效果：
28、本专利技术所构建的宫颈筛查的专业语料库涵盖了丰富的宫颈筛查相关数据，通过结构化的形式存储在专业语料库中，便于系统快速检索和提取。
29、在对用户提出的问题进行检索过程中，利用多个本地语言模型进行混合检索，以提高检索的准确率。通过本地向量模型进行相似度计算，能够将不同模态的数据(如图像、音频、文本等)转换成统一的向量表示。这使得模型能够在多个模态之间进行学习和迁移知识，从而进一步提升系统的智能性和适应性。同时通过整合先进的rag(检索增强生成)技术，结合专业的宫颈医疗知识库，实现对宫颈筛查相关知识的快速、准确检索和个性化的咨询服务，同时保护用户数据的安全性和隐私性，避免了传统方法中存在的数据泄露风险。
30、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，包括：
2.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所述与宫颈筛查相关的专业数据包括：常规筛查数据、阴道镜活检评估数据、检查结果管理数据、治疗后随访数据以及特殊人群筛查数据。
3.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所述根据预处理后的专业数据构建基于宫颈筛查的专业语料库的过程为：
4.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所述训练好的大语言模型包括本地语言模型和本地向量模型。
5.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所属将专业语料库挂载至经过训练好的大语言模型中，构建智能问答系统的过程为：
6.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所述根据智能问答系统从所述专业语料库中检索与所述用户输入问题最相关的信息的过程为：
7.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征
8.一种基于大语言模型的宫颈筛查智能问答系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于大语言模型的宫颈筛查智能问答方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于大语言模型的宫颈筛查智能问答方法中的步骤。
...【技术特征摘要】
1.一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，包括：
2.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所述与宫颈筛查相关的专业数据包括：常规筛查数据、阴道镜活检评估数据、检查结果管理数据、治疗后随访数据以及特殊人群筛查数据。
3.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所述根据预处理后的专业数据构建基于宫颈筛查的专业语料库的过程为：
4.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所述训练好的大语言模型包括本地语言模型和本地向量模型。
5.如权利要求1所述的一种基于大语言模型的宫颈筛查智能问答方法，其特征在于，所属将专业语料库挂载至经过训练好的大语言模型中，构建智能问答系统的过程为：
6.如权利...
【专利技术属性】
技术研发人员：李庆华，
申请(专利权)人：山东第一医科大学山东省医学科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。