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！

申请/专利权人：小小神经元(杭州)医疗科技有限公司

摘要：本申请公开了一种基于大语言模型的神经发育障碍行为干预系统，其通过采集患儿对象的行为时序数据，包括语言、社交互动和行为表现模式等，并利用大语言模型和人工智能技术来提取出患儿对象的各个行为数据的语义特征和行为时序聚合语义，以此来自动识别出患儿对象的行为模式和动态变化信息，为干预策略的制定和优化提供科学依据。这样，能够基于患儿对象的多维行为时序聚合语义来更为智能化地提供个性化的干预方案，包括干预目标、干预方法与步骤，从而提高对神经发育障碍患儿行为干预的针对性，以更好地满足不同的患儿需求，并促进其全面发展。

主权项：1.一种基于大语言模型的神经发育障碍行为干预系统，其特征在于，包括：患儿对象行为数据采集模块，用于获取患儿对象的行为数据的时间队列；患儿行为语义编码模块，用于将所述行为数据的时间队列中的各个行为数据分别输入基于大语言模型的行为语义编码器以得到行为语义编码特征向量的时间队列；行为语义时序隐含特征提取模块，用于对所述行为语义编码特征向量的时间队列进行基于行为隐含语义的时序编码以得到行为语义隐含编码特征向量的时间队列；行为语义多尺度特征注意融合模块，用于将所述行为语义编码特征向量的时间队列和所述行为语义隐含编码特征向量的时间队列中每组对应的行为语义编码特征向量和行为语义隐含编码特征向量输入特征值粒度关联掩码可区分注意融合模块以得到行为语义多尺度编码特征向量的时间队列；行为语义时序聚合模块，用于将所述行为语义多尺度编码特征向量的时间队列输入基于特征能量局部显著性门控的特征聚合网络以得到行为语义时序聚合表示向量；干预方案生成模块，用于基于所述行为语义时序聚合表示向量，确定干预方案生成结果，所述干预方案生成结果为干预方案的类型标签；其中，所述行为语义多尺度特征注意融合模块，包括：全域特征值关联计算单元，用于计算所述行为语义编码特征向量的时间队列和所述行为语义隐含编码特征向量的时间队列中的一组对应的行为语义编码特征向量和行为语义隐含编码特征向量之间的全域特征值关联矩阵以得到行为语义多尺度全域特征值关联矩阵；门控计算单元，用于将所述行为语义多尺度全域特征值关联矩阵输入可学习的门控函数以得到行为语义多尺度相关性可区分权重矩阵；可区分权重融合掩码单元，用于以所述行为语义多尺度相关性可区分权重矩阵作为融合掩码矩阵，分别计算所述行为语义编码特征向量和所述行为语义隐含编码特征向量与所述行为语义多尺度相关性可区分权重矩阵之间的矩阵乘积以得到区分强化行为语义编码特征向量和区分强化行为语义隐含编码特征向量；行为语义多尺度特征融合单元，用于融合所述区分强化行为语义编码特征向量和所述区分强化行为语义隐含编码特征向量以得到行为语义多尺度编码特征向量；其中，所述门控计算单元，用于：以所述行为语义多尺度全域特征值关联矩阵中的各个位置特征值的负数作为指数幂，计算以自然常数e为底的自然指数函数值以得到行为语义多尺度全域特征值关联类支持矩阵；计算所述行为语义多尺度全域特征值关联类支持矩阵中的各个位置特征值与常数1之和的倒数以得到行为语义多尺度全域特征值关联权重矩阵；计算所述行为语义多尺度全域特征值关联权重矩阵和所述行为语义多尺度全域特征值关联矩阵之间的按位置点乘以得到所述行为语义多尺度相关性可区分权重矩阵；其中，所述行为语义时序聚合模块，包括：特征能级系数计算单元，用于基于所述行为语义多尺度编码特征向量的时间队列中的各个行为语义多尺度编码特征向量的最大值、最小值、均值和方差，确定所述各个行为语义多尺度编码特征向量的特征能级系数以得到行为语义多尺度特征能级系数的序列；局部邻域显著性描述符计算单元，用于确定行为语义多尺度局部邻域的尺度，计算所述行为语义多尺度特征能级系数中各个行为语义多尺度特征能级系数的局部邻域显著性描述符以得到行为语义多尺度特征能级显著性描述符的序列；掩码门控概率化单元，用于将所述行为语义多尺度特征能级显著性描述符的序列输入基于门控函数的掩码模块以得到掩码门控概率化行为语义多尺度特征能级显著性描述符的序列；行为语义时序聚合表示单元，用于以所述掩码门控概率化行为语义多尺度特征能级显著性描述符的序列作为权重的序列，计算所述行为语义多尺度编码特征向量的时间队列的按位置加权和以得到所述行为语义时序聚合表示向量；其中，所述特征能级系数计算单元，用于：计算所述行为语义多尺度编码特征向量的最大值、最小值、平均值和方差以得到行为语义多尺度最大值、行为语义多尺度最小值、行为语义多尺度平均值和行为语义多尺度方差；计算所述行为语义多尺度方差与超参数之间的加和以得到第一行为语义多尺度局部能量统计因子；计算所述行为语义多尺度最大值和所述行为语义多尺度平均值之间的差值以得到行为语义多尺度最大偏差值；计算所述行为语义多尺度最小值和所述行为语义多尺度平均值之间的差值以得到行为语义多尺度最小偏差值；计算所述行为语义多尺度最大偏差值和所述行为语义多尺度最小偏差值的平方和后与所述超参数相加以得到第二行为语义多尺度局部能量统计因子；计算所述第一行为语义多尺度局部能量统计因子和所述第二行为语义多尺度局部能量统计因子之间的除法以得到行为语义多尺度特征能级系数；其中，所述局部邻域显著性描述符计算单元，用于：以所述行为语义多尺度局部邻域的尺度作为均值计算范围，分别计算每个所述行为语义多尺度特征能级系数的局部邻域均值以得到所述行为语义多尺度特征能级显著性描述符的序列；其中，所述掩码门控概率化单元，用于：以所述行为语义多尺度特征能级显著性描述符的序列中的各个行为语义多尺度特征能级显著性描述符的负数作为指数幂，计算以自然常数e为底的指数函数值以得到行为语义多尺度特征能级类支持显著性描述符的序列；计算所述行为语义多尺度特征能级类支持显著性描述符的序列与常数1之间的按位置加和以得到线性调制行为语义多尺度特征能级类支持显著性描述符的序列；计算所述线性调制行为语义多尺度特征能级类支持显著性描述符的序列中的各个线性调制行为语义多尺度特征能级类支持显著性描述符的倒数以得到行为语义多尺度门控概率化特征能级显著性描述符的序列；对所述行为语义多尺度门控概率化特征能级显著性描述符的序列中的每个行为语义多尺度门控概率化特征能级显著性描述符进行掩码化处理以得到所述掩码门控概率化行为语义多尺度特征能级显著性描述符的序列；其中，对所述行为语义多尺度门控概率化特征能级显著性描述符的序列中的每个行为语义多尺度门控概率化特征能级显著性描述符进行掩码化处理以得到所述掩码门控概率化行为语义多尺度特征能级显著性描述符的序列，包括：响应于所述行为语义多尺度门控概率化特征能级显著性描述符大于预定阈值，取所述行为语义多尺度门控概率化特征能级显著性描述符的原值，否则置为0。

全文数据：

权利要求：

百度查询： 小小神经元(杭州)医疗科技有限公司 基于大语言模型的神经发育障碍行为干预系统