凯发k8国际

大模子引领新一轮的手艺厘革，立异的火花正在厘革中孕育。克日，凯发k8国际发明专利国界再度扩容，在图文、音频、视频等原生多模态方面取得新的突破希望，将进一步为多元化场景赋能。

原生多模态之路

1、基于多模态的医疗大模子构建要领及其相关装备

专利摘要：本发明果真了一种基于多模态的医疗大模子构建要领及其相关装备，通过包括多模态转换器T、提醒治理器M、对话引擎L、使命控制器H和多模态基座
？镸MF，多模态基座
？镸MF至少包括一个医疗基础
？樘鵐FMs的医疗大模子，接纳模态剖析、模子分派、下游使命效果返回、模态转换归一和响应天生五个阶段，同时处置惩罚融合多种模态数据并充分使用了多种模态数据之间的关联，实现多模态使命的快速处置惩罚，提高了针对人工智能使命的智能化处置惩罚水平和处置惩罚效率。

该发明专利的立异性主要体现在提升多模态数据处置惩罚能力、智能化使命处置惩罚效率、强化医疗基础
？橹С帧⑻岣呷斯ぶ悄苁姑闹悄芑揭约霸鼋搅凭鲆橹С趾褪忠樟⒁斓确矫。

肿瘤检测准确率UP

2、基于图文多模态融合的肿瘤检测系统、要领、装备及介质

专利摘要：本申请果真了一种基于图文多模态融合的肿瘤检测系统、要领、装备及存储介质，涉及医学人工智能检测领域，包括：电子病历特征抽取
？椤⑼枷裉卣鞒槿∧
？椤⑻卣魅诤夏
？椤⒅琢黾觳饽
？。电子病历特征抽取
？榛袢〉缱硬±奈谋咎卣飨蛄
；图像特征抽取
？榛袢〉缱优趟慊喜闵柰枷裉卣飨蛄俊⒑舜殴舱裢枷裉卣飨蛄恳约盎罴觳±硗枷裉卣飨蛄
；特征融合
？榛袢∪诤虾筇卣飨蛄
；肿瘤检测
？橛糜诩觳庵琢龈怕。

本申请通过充分学习患者自身体现症状主诉信息、电子盘算机断层扫描、核磁共振、病理活检图像四个模态的数据，充分吸收融合四个模态有用特征，使得肝肿瘤检测抵达了更高的准确率。

睡眠监测与剖析细腻化

3、一种基于音频的睡眠分期的要领、系统、终端及存储介质

专利摘要：本申请提供一种基于音频的睡眠分期的要领、系统、终端及存储介质，涉及音频领域，特殊是涉及一种基于音频的睡眠分期的要领，所述要领包括：获取预设时长的睡眠分期的音频数据
；对所述音频数据举行特征提取，获得特征数据，其中，所述特征数据包括梅尔谱特征数据、频谱质心特征数据、声谱衰减特征数据及音频色度特征数据
；将所述梅尔谱特征数据，输入预先训练好的音频事务向量提取模子，获得音频事务向量
；对所述特征数据举行特征拼接，获得拼接特征数据
；将所述拼接特征数据和所述音频事务向量，输入预先训练好的睡眠分期模子，获得睡眠分期效果。本申请能够提高睡眠分期的准确性。

该发明专利的体现在提高睡眠分期的准确性、提供周全的睡眠分期解决计划、增进音频手艺在医疗领域的应用、优化睡眠监测和剖析流程以及增强用户体验等方面。

真诚自动对话必杀技

4、一种自动式对话大模子构建装置、要领、装备及存储介质

专利摘要：本申请果真了一种自动式对话大模子构建装置、要领、装备及存储介质，涉及模子构建领域，包括：模子确定
？橛糜诨谔焐皆ぱ盗稵ransformer模子确定预设提问模子和预设诊断模子
；训练集构建
？橛糜诮没д媸挡±畔⑹淙朐ど杼嵛誓Ｗ右蕴焐傺，基于假样本和真样本构建第一训练集
；控制器训练
？橛糜诮谝谎盗芳淙氤跏伎刂破，以使用对抗训练要领并基于预先构建的目的函数对初始控制器的参数举行梯度更新获得目的控制器
；大模子构建
？橛糜诨谠ど杼嵛誓Ｗ印⒃ど枵锒夏Ｗ雍湍康目刂破鞴菇ㄗ远蕉曰按竽Ｗ右跃傩形收锒曰。

本申请通过构建自动式对话大模子，以对用户举行自动提问获取更多用户信息，提高问诊效果的准确性。

病历天生效率提升

5、病历摘要天生要领、装置、盘算机装备及介质

本发明果真了一种病历摘要天生要领、装置、装备及介质，包括：对病历文本举行聚类，获得若干类别的聚类文本
；将每类聚类文本输入到初始病历摘要天生模子中，初始病历摘要天生模子包括初始西席模子、初始学生模子和判别模子
；接纳初始西席模子对每类聚类文本举行摘要天生，获得标注训练集，接纳标注训练集对初始学生模子举行参数微调，获得微调学生模子
；通过判别模子对初始西席模子和微调学生模子的模子效果举行评测，凭证评测效果，确定混淆训练集，接纳混淆训练集对初始病历摘要天生模子举行迭代训练，获得目的病历摘要天生模子
；接纳目的病历摘要天生模子对吸收到的病历文本举行摘要天生，提升了病历摘要天生的精准度。

通过立异的病历摘要天外行艺，提升了病历摘要天生的精准度。

增进数据互联互通

6、一种大模子知识蒸馏低秩顺应联邦学习要领、电子装备及可读存储介质

专利摘要：本发明提供的大模子知识蒸馏低秩顺应联邦学习要领，是通过在各个客户端内安排学生模子和西席模子，同时在各个客户端相毗连的中央效劳端内安排同结构的学生模子
；在各个客户端内，基于学生模子、西席模子和预设外地数据，盘算获取西席模子的总损失和学生模子的总损失
；通过学生模子的总损失和低秩顺应要领盘算获取低秩梯度矩阵并上传至中央效劳端
；通过中央效劳端内的学生模子聚合后的参数梯度矩阵，更新学生模子参数，重复多次直至西席模子收敛。

相比于现有手艺，本要领通过低秩顺应要领剖析参数梯度矩阵，可以显著镌汰联邦学习时客户端和效劳端之间的通讯参数目，极大地提高了通讯效率。

2024年上半年，凯发k8国际依附其在人工智能领域的深挚秘闻，乐成获得了近30项与砭石大模子相关的授权发明专利，彰显了其在AI原生立异方面的强盛实力。未来，凯发k8国际将坚持AI原生头脑，一直强化大模子的多模态协作处置惩罚能力，进一步挖掘医疗AI市场潜力，从而引领整个工业向更高水平的立异与高质量生长迈进。