-
公开(公告)号：CN113555111A
公开(公告)日：2021-10-26
申请号：CN202110812074.5
申请日：2021-07-19
Applicant: 厦门理工学院
Abstract: 本发明公开了一种医患共同决策多议题协商方法、系统及可读存储介质，该方法包括：获取医生和患者的偏好和行为特征，构建模糊约束以及模糊约束满意度函数；基于所述模糊约束以及模糊约束满意度函数构建生成医生代理行为模型和患者代理行为模型，以及分布式模糊约束满意度问题；其中，所述分布式模糊约束满意度问题根据医患共同决策问题生成，所述医患共同决策问题为医生代理和患者代理在决策过程中需要进行协商的议题；基于所述医生代理行为模型、患者代理行为模型以及分布式模糊约束满意度问题进行医生代理和患者代理间的协商，直至协商成功以生成共同协商结果或失败并终止协商。
-
公开(公告)号：CN106528610A
公开(公告)日：2017-03-22
申请号：CN201610858350.0
申请日：2016-09-28
Applicant: 厦门理工学院
IPC: G06F17/30
CPC classification number: G06F16/288 , G06F16/2237
Abstract: 本发明公开一种基于路径张量分解的知识图谱表示学习方法，包括如下步骤：步骤1，提取知识图谱中的实体集、关系集和三元组集，把满足三元组的实体集、关系集嵌入到低维连续向量空间；步骤2，通过PRA算法获得实体间的路径；步骤3，在全部实体可能存在的路径上均进行张量分解，计算分解损失函数值；步骤4，重复步骤3，直至达到收敛的预设值或迭代最大次数；步骤5，如果达到迭代最大次数或收敛于预设值，则进入下一个三元组相关的路径计算，重复步骤2至步骤4，直到训练集全部的三元组都被执行；步骤6，输出训练模型中相应的实体集和关系集。此种表示学习方法可提高知识发现的推理准确性，提高预测精度。
-
公开(公告)号：CN119296636A
公开(公告)日：2025-01-10
申请号：CN202411833234.4
申请日：2024-12-13
Applicant: 厦门理工学院
Abstract: 本发明提供的基于软掩码双视图学习的药物对相互作用预测方法及装置，涉及药物相互作用预测技术领域。本发明通过获取待预测的两种药物的分子视图数据与其相互作用关系类型，组成三元组，并生成药物对的二分图；将三元组与二分图输入MSMDL编码器，输出对应药物的新节点嵌入；其中，所述MSMDL编码器为K层，每一层的输出结果分别输入下一层MSMDL编码器与自注意力图池化层，通过自注意力图池化层生成图级表示，得到子结构特征嵌入；将每一层子结构特征嵌入一同作为共同注意力机制层的输入，得到每一层的子结构特征嵌入之间相互作用的重要性；最后通过解码器输出DDI预测概率。本发明整合了药物的局部和全局信息，提高了药物对相互作用预测的准确性。
-
公开(公告)号：CN116246797A
公开(公告)日：2023-06-09
申请号：CN202310078242.1
申请日：2023-02-02
Applicant: 厦门理工学院
IPC: G16H80/00 , G16H70/20 , G06F30/20 , G06N3/006 , G06F111/06
Abstract: 本发明实施例提供一种基于粒子群算法的医患共同决策代理协商方法和装置，涉及医患共同决策技术领域。其中，这种医患共同决策代理协商方法包含S1、获取医生和患者对n个协商问题的梯形模糊隶属度函数，以及n个协商问题的权重，并根据梯形模糊隶属度函数和权重构建多目标优化模型。S2、根据多目标优化模型，基于信念‑愿望‑意图架构，构建医生代理模型和患者代理模型。其中，代理模型包括对手模型、出价策略模型和接受策略模型。出价策略模型用于通过多目标粒子群算法和优劣解距离法求解多目标优化模型，以获取报价。S3、根据医生代理模型和患者代理模型，构建基于代理的协商模型。S4、根据基于代理的协商模型进行模拟协商，获取协商结果。
-
公开(公告)号：CN115760442A
公开(公告)日：2023-03-07
申请号：CN202211403240.7
申请日：2022-11-10
Applicant: 厦门理工学院
IPC: G06Q40/08 , G06F16/901 , G06F18/25 , G06F18/241 , G16H10/60 , G06N3/04 , G06N3/084
Abstract: 本发明实施例提供一种基于就医行为的医保欺诈识别方法、装置、设备和介质，涉及医疗大数据技术领域。医保欺诈识别方法包含步骤S1至步骤S5。S1、获取医疗数据，并根据医疗数据构建医疗异构图。S2、根据行为模式对医疗异构图中的目标患者节点进行采样，获取目标患者节点的各个行为模式的行为异构图。S3、根据医疗异构图，获取全局拓扑嵌入。S4、通过两步注意力机制，先分别对各个行为异构图中的目标患者节点进行行为模式内的聚合，获取目标患者节点的各个行为模式的行为特征嵌入。然后，以全局拓扑嵌入指导各个行为模式的行为特征嵌入进行融合，获取目标患者节点的最终嵌入。S5、根据最终嵌入，进行分类，判断目标患者节点是否为医保欺诈者。
-
Patent Agency Ranking
公开(公告)号：CN115132377A
公开(公告)日：2022-09-30
申请号：CN202210662212.0
申请日：2022-06-13
Applicant: 厦门理工学院
Abstract: 本发明实施例提供医患共享决策的代理协商方法、装置、设备和存储介质，涉及医患共享决策辅助技术领域。其中，这种代理协商方法包含步骤S1至步骤S4。S1分别获取医患共享决策的两个参与者对i个协商议题的偏好数据和隶属度函数。S2、根据偏好数据和隶属度函数，基于模糊约束网络，分别构建两个参与者的行为模型。S3、两个行为模型分别用于根据自身的偏好数据生成报价并发送给对方。S4、两个行为模型分别用于重复更新报价，并发送给对，直至其中一个行为模型判断到对方报价满意度或己方报价满意度大于满意度阈值。本发明的代理协商方法，能够模拟医患共同决策的过程，有效缓解协商议题增多所带来的协商压力，使得人类从繁琐的协商事务中解脱出来。
-
公开(公告)号：CN114581250A
公开(公告)日：2022-06-03
申请号：CN202210085212.9
申请日：2022-01-25
Applicant: 厦门理工学院
Abstract: 本发明实施例提供一种医保欺诈的识别方法、装置、设备和存储介质，涉及医疗大数据技术领域。其中，这种识别方法包含步骤S1至步骤S5。S1、获取医疗数据，并根据医疗数据构建医保异构图。S2、基于不同轨迹的多语义元路径，获取医保异构图中的各目标节点在不同轨迹下的邻居节点，并将各目标节点在不同轨迹下的邻居节点分别和各目标节点融合，以获得各目标节点在不同轨迹下的语义表示。S3、将各目标节点在不同轨迹下的语义表示进行融合，生成各目标节点的空间节点。S4、基于时间顺序，获取各目标节点的空间节点的时间序列。S5、根据时间序列，通过双向长短期记忆模型，对各个目标节点进行分类，以判断医保异构图中的各个目标节点是否为医保欺诈。
-
公开(公告)号：CN114694791B
公开(公告)日：2025-04-29
申请号：CN202210094695.9
申请日：2022-01-26
Applicant: 厦门理工学院 , 厦门精配软件工程有限公司
IPC: G16H20/10 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/09
Abstract: 本发明实施例提供一种药物相互作用的预测方法、装置、设备和存储介质，涉及医药技术领域。其中，预测方法包含步骤S1至S9。S1获取多种药物的特征和药物之间的反应类型。S2根据多种药物的特征构建药物特征矩阵。S3根据多种药物之间的反应类型构建药物邻接图。S4通过深度神经网络从药物特征矩阵中提取不同层次的药物特征信息。S5通过卷积神经网络从药物邻接图中提取不同层次的邻居拓扑结构信息。S6融合特征向量和结构向量，获得各个药物的最终嵌入表示。S7将各个药物的最终嵌入表示进行组合，以获得多个药物对向量。S8以药物对的反应类型作为标签，以药物对向量作为训练数据集，训练得到分类模型。S9通过分类模型，预测未知药物对的相互作用类型。
-
公开(公告)号：CN106528609A
公开(公告)日：2017-03-22
申请号：CN201610858221.1
申请日：2016-09-28
Applicant: 厦门理工学院
IPC: G06F17/30
CPC classification number: G06F16/288 , G06F16/2237
Abstract: 本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是：步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。
-
公开(公告)号：CN116936126A
公开(公告)日：2023-10-24
申请号：CN202311020311.X
申请日：2023-08-14
Applicant: 厦门理工学院
IPC: G16H70/40 , G16H50/30 , G16H50/50 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种多类别药物相互作用预测方法、装置、设备及介质，包括根据公式#imgabs0#对待预测药物的数据集进行计算，生成药物节点特征；根据DDI关系和药物节点特征，分别生成拓扑图和特征图；采用图卷积神经网络分别对拓扑图和特征图进行提取处理，并将提取后的多尺度信息输入至注意力机制中进行预处理，生成融合嵌入向量；将融合嵌入向量输入深层神经网络中进行组合分类处理，生成预测结果。此外，现有DDI预测方法存在信息不足、学习到的向量信息不够全面、忽略了对已知会发生DDI的两个药物所发生的DDI类型的预测的问题。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.025 seconds)
