一种基于大模型的儿科静脉注射智能情感交流方法技术

本发明专利技术提供了一种基于大模型的儿科静脉注射智能情感交流方法

【技术实现步骤摘要】
一种基于大模型的儿科静脉注射智能情感交流方法


[0001]本专利技术涉及人工智能大模型的应用
，特别涉及一种基于大模型的儿科静脉注射智能情感交流方法
。

技术介绍

[0002]在医疗环境中，尤其是在儿科部门，静脉注射是一种常见但经常引发患儿恐惧和不适的医疗过程
。
这种恐惧和不适不仅可能影响患儿的心理健康，还可能对医护人员的工作造成一定的困扰，从而影响整个治疗过程的效率和有效性
。
[0003]传统上，医护人员通常依赖经验和直觉来安抚患儿，但这种方法往往缺乏个性化和科学依据
。
最近，随着人工智能大模型的出现，例如国内的华为盘古
、
阿里巴巴的通义千问
、
科大讯飞的星火
、
百度的文心一言以及国外的
ChatGPT
，
Bard
等，从而为如何安抚患儿创造了一种新的可能
。
人工智能大模型指的是使用深度学习技术构建的规模庞大的神经网络模型
。
这些模型具有数以亿计的参数，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大模型的儿科静脉注射智能情感交流方法，其特征在于，包括：对患儿的基础数据进行脱敏处理；将与患儿脱敏数据和患儿抗拒注射情境相关的提示词输入人工智能大模型，获得初始安抚指引；构造用于查询与所述初始安抚指引对应的安抚方法提示词，并将所述安抚方法提示词输入人工智能大模型，获得一组安抚方法；根据该组安抚方法，制定临床执行清单，并按照所述临床执行清单对患儿进行安抚
。2.
根据权利要求1所述的儿科静脉注射智能情感交流方法，其特征在于，还包括：捕获患儿的声音数据
d
sound
以及面部表情数据
d
face
；分别对于所述声音数据
d
sound
以及面部表情数据
d
face
进行特征提取，获得声音特征
feature
sound
和面部表情特征
feature
face
；利用如下公式获得患儿在安抚后的情感指标
E
：
E
＝
f
RNN
(feature
sound
’
feature
face
)
其中，
f
RNN
是训练好的循环神经网络模型，情感指标
E
是一组量化数据，包括情感强度
、
情感极性以及情感稳定性，其中，所述情感强度是量化的情感响应的强度；所述情感极性是指情感是正面还是负面；所述情感稳定性是指情感反应随时间的变化情况
。3.
根据权利要求2所述的儿科静脉注射智能情感交流方法，其特征在于，还包括：向所述人工智能大模型进行查询获得多组不同的安抚方法；利用强化学习算法
Q
‑
learning
，根据执行所述多组不同的安抚方法中每一组安抚方法后获得的患儿的情感指标，确定最有效的一组安抚方法
。4.
根据权利要求3所述的儿科静脉注射智能情感交流方法，其特征在于，所述强化学习算法
Q
‑
learning
的奖励值
R(S
i
)
使用如下公式：
R(S
i
)
＝
α
·
E+
β
·
T(S
i
)
其中，
S
i
是一组安抚方法；
T(S
i
)
是该组安抚方法
S
i
的执行时间；
α
和
β
是权重系数
。5.
根据权利要求4所述的儿科静脉注射智能情感交流方法，其特征在于，还包括：使用所述强化学习算法
Q
‑
learning
，根据如下公式，不断地更新和优化每一组安抚方法的选择概率
P(S
i
)
和
Q
值：
Q(S
i
，
a)
＝
(1
‑
η
)
·
Q(S
i
，
a)+
η
·
(R(S
i
)+
λ
·
max
a
’
Q(S
i+1
，
a
′
))
其中，
η
是学习率，用于控制
Q
‑
learing
在接收新奖励信息时，多大程度上更新原有的
Q
值；
λ
是折扣因子，用于衡量未来奖励与当前奖励的相对重要性；
τ
是一个温度参数，用于调控选择概率分布的平滑度；
Q(S
i
，
a)<...

【专利技术属性】
技术研发人员：游玉燕，余爱妹，林伟丽，
申请(专利权)人：厦门医学院附属第二医院，
类型：发明
国别省市：