-
公开(公告)号：CN116070700A
公开(公告)日：2023-05-05
申请号：CN202310052151.0
申请日：2023-02-02
Applicant: 北京交通大学
Abstract: 本发明提供一种融合迭代式主动学习的生物医学关系抽取方法及系统，属于医学信息处理技术领域，从PubMed等生物医学文献库中获取用于关系抽取的标准数据集；结合主动学习算法筛选出有价值的样本对模型进行训练；利用训练好的关系抽取模型，对待抽取的句子进行处理，得到最后的实体关系联合抽取结果，抽取出生物医学文献中的知识；其中，关系抽取模型为使用融合迭代式主动学习的生物医学关系抽取模型训练方法训练得到。本发明融合多种主动学习策略的生物医学实体关系联合抽取框架，实现迭代式的主动学习样本筛选和实体关系联合抽取模型训练，有效减少了实体关系联合抽取过程中模型训练所需要的训练集数量，提高了模型训练效率，降低了模型训练成本。
-
公开(公告)号：CN114141361B
公开(公告)日：2022-12-06
申请号：CN202111468442.5
申请日：2021-12-03
Applicant: 北京交通大学
Abstract: 本发明提供一种基于症状术语映射与深度学习的中医处方推荐方法，属于中药处方推荐技术领域，对患者的所有症状词，经过症状术语映射、网络嵌入表示、症状特征融合、卷积神经网络学习、全连接网络训练以及激活层激活后，得到对每种候选中药的预测概率；将每味中药的预测概率进行降序排列，并将降序后对应的中药顺序作为最终的推荐顺序。本发明基于症状术语映射与深度学习进行中医处方推荐，通过症状术语映射缓解临床症状的“未登录词”问题，并结合深度学习进行处方推荐，建立了基于注意力的处方推荐特征贡献度评估模块，建立了基于特征融合的症状术语表征和患者临床特征融合策略，提高了处方推荐的可靠性。
-
公开(公告)号：CN114121166A
公开(公告)日：2022-03-01
申请号：CN202111399438.8
申请日：2021-11-19
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于复杂网络的感认知行为与人体分子网络关联方法。该方法包括：构建感知与认知行为表型相关的分子网络；构建神经、免疫、内分泌和微生态相关的分子网络；基于构建的分子网络利用网络平均最短路径长度和网络相关性指标，分别评估感知认知相关表型与神经、免疫、内分泌和微生态在整个蛋白相互作用网络上的分子网络关联性。本发明通过构建感知与认知行为表型相关的分子网络，构建了神经、免疫、内分泌和微生态系统相关的分子网络，可以有效地评估感认知行为与神经、免疫、内分泌和微生态系统的分子网络关联性，构建出其分子关联机制的数据库。
-
Patent Agency Ranking
公开(公告)号：CN119170091A
公开(公告)日：2024-12-20
申请号：CN202410996685.3
申请日：2024-07-24
Applicant: 北京交通大学
Abstract: 本发明提供一种融合元路径语义依赖与迁移学习的证候基因关系预测方法，属于基于深度学习的生物信息处理技术领域，本发明以深度迁移学习中的双流微调结构为核心框架，通过建立两个迁移学习任务：1)源域为疾病基因预测；目标域为证候基因预测；2)源域为症状基因预测；目标域为证候基因预测，通过源域任务上的训练，迁移到目标域的证候基因预测问题上，实现目标域零样本场景下的证候基因关系预测。在迁移学习的主体网络，通过我们设计的证候知识图谱嵌入学习、元路径的语义嵌入学习、多阶元路径的嵌入聚合，实现了关系元路径的语义依赖学习，同时设计了基于张量分解的关系的预测打分，实现证候基因的预测打分。
-
公开(公告)号：CN116110594B
公开(公告)日：2024-05-07
申请号：CN202211541515.3
申请日：2022-12-02
Applicant: 北京交通大学
IPC: G16H50/70 , G06F40/295
Abstract: 本发明提供一种基于关联文献的医学知识图谱的知识评价方法及系统，属于临床医学技术领域，基于远程监督，获取医学实体与文献的关联证据信息；基于显著性检验，构建医学关系与文献的关联证据信息；融合远程监督和显著性检验，基于医学实体与文献的关联证据信息、医学关系与文献的关联证据信息，构建知识‑关联文献知识图谱、文献‑文献关联图谱；基于构建的知识‑关联文献知识图谱、文献‑文献关联图谱，对获取的医学知识可靠性进行评价。本发明构建了包含文献证据的知识图谱，结合知识‑文献关联网络的进行知识可靠性评价，解决了医学知识的可靠性评价问题，为临床分析提供更准确的知识信息。
-
公开(公告)号：CN114121166B
公开(公告)日：2024-04-19
申请号：CN202111399438.8
申请日：2021-11-19
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于复杂网络的感认知行为与人体分子网络关联方法。该方法包括：构建感知与认知行为表型相关的分子网络；构建神经、免疫、内分泌和微生态相关的分子网络；基于构建的分子网络利用网络平均最短路径长度和网络相关性指标，分别评估感知认知相关表型与神经、免疫、内分泌和微生态在整个蛋白相互作用网络上的分子网络关联性。本发明通过构建感知与认知行为表型相关的分子网络，构建了神经、免疫、内分泌和微生态系统相关的分子网络，可以有效地评估感认知行为与神经、免疫、内分泌和微生态系统的分子网络关联性，构建出其分子关联机制的数据库。
-
公开(公告)号：CN115938609A
公开(公告)日：2023-04-07
申请号：CN202211591715.X
申请日：2022-12-12
Applicant: 北京交通大学
IPC: G16H70/40 , G06F18/214 , G06F18/22 , G16B50/30
Abstract: 本发明提供一种融合疗效对比信息的药物重定位方法及系统，属于临床医学药物开发技术领域，获取待查询疾病的信息，以及可治疗待查询疾病的候选药物的嵌入特征；利用预先训练好的药物适应症排序模型，对获取的疾病信息以及候选药物的嵌入特征进行处理，得到候选药物的疗效等级排序结果；其中，预先训练好的药物适应症排序模型利用训练集训练得到，训练集包括多组数据，每组数据分别包括某一种疾病的信息、可治疗该种疾病的候选药物以及标注每一个所述候选药物对于所述疾病的疗效等级的标签。本发明形成面向药物重定位的药物疗效对比关系数据集，疗效对比更加全面；基于网络嵌入与排序学习、融合药物疗效对比信息进行药物重定位，提高了定位准确度。
-
公开(公告)号：CN114783603A
公开(公告)日：2022-07-22
申请号：CN202210405096.4
申请日：2022-04-18
Applicant: 北京交通大学
Abstract: 本发明提供一种基于多源图神经网络融合的患病风险预测方法及系统，属于医疗技术领域。在方法与系统中，结合患者历史诊断信息，基于患病时长信息进行患者特征构建，形成患病风险预测数据集；构建多源疾病关系网络，提出基于图神经网络的疾病网络特征抽取，进行患者患病特征矩阵补全；提出基于多源疾病关系网络融合的患病风险预测模型，实现患病风险的高精度预测。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
