公开(公告)号：CN110289096A

公开(公告)日：2019-09-27

申请号：CN201910574239.2

申请日：2019-06-28

Applicant: 电子科技大学

Inventor： 刘勇国 ,  刘朗 ,  李巧勤 ,  杨尚明 ,  曹晨 ,  任志扬 ,  傅翀

IPC: G16H50/20 ,  G16H50/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的ICU院内死亡率预测方法。本发明通过使用深度学习对ICU内死亡进行预测，不仅使用患者动态体征变化数据，还加入了年龄、患病类型等影响死亡率的重要人口统计学特征；在经典LSTM(多层双向与单向长短期记忆模型)网络的基础上增加了三个用于控制时间增量变化的时间门，解决临床数据常见的不规则采样及数据缺失问题；引入注意力机制对每个时刻的隐藏状态进行融合，模型收敛速度更快，且不易丢失初始阶段包含的信息。

公开(公告)号：CN110277175A

公开(公告)日：2019-09-24

申请号：CN201910574252.8

申请日：2019-06-28

Applicant: 电子科技大学

Inventor： 李巧勤 ,  刘勇国 ,  蒋羽 ,  杨尚明 ,  何家欢 ,  蔡茁 ,  李杨

IPC: G16H70/40 ,  G06N3/04

Abstract: 本发明公开了一种基于深度信念网络的中药不良作用识别方法。本发明能够对中药不良作用进行有效的整理和归纳，有助于中药不良作用实体数据库构建。并将传统的中药毒副作用研究与人工智能方法进行有机的统一，实现对于药物不良作用实体的全自动提取，减少人工提取药物不良作用的时间以及经济损耗，实现了在中药不良作用实体识别研究方法学上的优化。后期，本发明也可以根据不同中药文献集，实现针对特定中药的不良作用识别和关系挖掘，可以有效适用于各种中医药文献，不需要重新训练深度信念网络模型，可以直接从输入中药文献中识别并提取出药物不良作用实体。

公开(公告)号：CN110223749A

公开(公告)日：2019-09-10

申请号：CN201910517325.X

申请日：2019-06-14

Applicant: 电子科技大学

Inventor： 李巧勤 ,  巩小强 ,  郑子强 ,  杜春慧 ,  刘勇国 ,  杨尚明

IPC: G16H15/00 ,  G06F17/27 ,  G06N3/04

Abstract: 本发明公开了一种基于点排序卷积神经网络(PCNN)和注意力(Attention)机制的中医辨证辅助决策方法，具体包括：使用语言技术平台工具对每份医案进行分词处理；使用PCNN网络对每份医案进行特征编码，构建其对应的特征向量表示；使用Attention机制进行证候预测。本发明使用点排序CNN网络自动提取医案的症状、病因、病机等特征，构建对应的特征编码，不需人工标注特征；引入注意力机制消除噪音语料,对医案分配不同权重，提高分类精度；本发明从医案数据的症状、病因、病机等多个方面出发进行辨证规律挖掘，提高了辨证结果的可靠性；同时，本发明适用于大多数疾病的辨证规律发现，其具有很高的可扩展性。

公开(公告)号：CN109871541A

公开(公告)日：2019-06-11

申请号：CN201910169547.7

申请日：2019-03-06

Applicant: 电子科技大学

Inventor： 杨尚明 ,  郑子强 ,  张云 ,  杜春慧 ,  刘勇国 ,  李巧勤

IPC: G06F17/27

Abstract: 本发明公开了一种适用于多语言多领域的命名实体识别方法，包括以下步骤：构建初始化语料库，使用word2vec训练字嵌入矩阵；设定阈值n；对句子进行顺序遗忘编码；使用前向及后向并行LSTM分别计算长度为1,2…，n的单词记忆单元状态；融合前向及后向并行LSTM记忆单元状态；计算前向及后向LSTM的隐藏单元状态，级联前向LSTM和后向LSTM隐藏单元状态；输入单向LSTM进行实体标签预测；使用L2正则的句子级对数似然损失来训练模型，以平衡模型复杂度和准确度。本发明通过FOFE编码，充分利用了句子中字序列信息，省去了外部知识库，没有领域依赖，只需要大量的训练语料库，均能取得较好的NER结果。