公开(公告)号：CN114530197B

公开(公告)日：2024-06-11

申请号：CN202210138174.9

申请日：2022-02-15

Applicant: 北京交通大学

Inventor： 周雪忠 ,  王宁 ,  夏佳楠

IPC: G16B15/30

Abstract: 本发明提供一种基于矩阵补全的药物靶点预测方法及系统，属于生物医药技术领域，通过图卷积网络学习药物和靶点的低维特征向量，结合图卷积网络中每个药物节点或靶点节点的拓扑性质和邻域信息，捕捉非线性相互作用；利用矩阵补全的方法对学习到的药物特征和靶点特征进行关系预测，得到靶点预测结果。本发明基于图神经网络方法有效融合网络结构和节点属性信息，通过对局部表示应用多层聚合捕获更高阶的节点特征信息；进一步基于矩阵补全的方法学习原始特征隐含的抽象信息；最后将网络中中药和靶点的特征表示学习和后续的靶点预测任务结合，通过后者进一步优化特征表示，构建端到端的预测模型。

公开(公告)号：CN117313726A

公开(公告)日：2023-12-29

申请号：CN202310978639.6

申请日：2023-08-04

Applicant: 北京交通大学

Inventor： 夏佳楠 ,  孙海龙 ,  常凯 ,  周雪忠

IPC: G06F40/295 ,  G06F40/30 ,  G06N5/025 ,  G06N20/00 ,  G06F18/24 ,  G06F40/126 ,  G06F18/214

Abstract: 本发明提供了一种基于联邦对比增强的异质临床病历实体抽取方法。该方法包括：各个客户端利用本地的病历数据集上对全局编码器和本地编码器进行对比学习训练，在每个客户端保存训练好的全局编码器和本地编码器；将待识别的病历文本的嵌入向量表示输入到客户端上训练好的全局编码器和本地编码器，全局编码器和本地编码器分别对病历文本的嵌入向量表示进行编码，将全局编码器和本地编码器的编码结果拼接后输入到全连接网络，再通过CRF解码器，得到所述待识别的病历文本的序列标签预测结果。本发明方法针对标签异质导致的模型结构不同，只对编码器进行联邦建模；可以在跨病种和标签异质的多机构场景下进行联邦建模，以实现有效地对病历进行标签分类。

公开(公告)号：CN117274274A

公开(公告)日：2023-12-22

申请号：CN202311305613.1

申请日：2023-10-10

Applicant: 北京交通大学

Inventor： 夏佳楠 ,  曾丽莉 ,  周雪忠

IPC: G06T7/10 ,  G06N20/00 ,  G06N5/022

Abstract: 本发明提供一种基于先验知识的领域泛化医学图像分割方法及系统，属于临床智能医疗设备技术领域，在每轮训练过程中，每个客户端从中央服务器接收相同的全局模型权重，基于中心服务器端整合的先验知识，结合本地数据学习更新本地模型参数，中央服务器获取所有客户端的本地模型参数，聚合以更新全局分割模型。本发明基于领域泛化的方法，训练一个鲁捧全能模型，从多个源域中学习信息，在未知域中能够表现出良好的分割性能，而不需要额外的学习；在模型学习过程中将基于形状的先验知识融入分割向量，捕获各个源域之间丰富的域知识，缩小域差异；基于先验知识，对模型在未知域的输出进行优化，增强模型的可视化效果，计算分割结果的形态特征。

公开(公告)号：CN113779265A

公开(公告)日：2021-12-10

申请号：CN202111037815.3

申请日：2021-09-06

Applicant: 北京交通大学

Inventor： 周雪忠 ,  杨扩 ,  郑毅 ,  董鑫 ,  夏佳楠

IPC: G06F16/36 ,  G16H20/90 ,  G16H70/40

Abstract: 本发明提供一种药症关系网络构建与概念映射方法及系统，属于药症知识图谱技术领域，构建药症知识图谱；基于药症知识图谱，结合元路径方法，构建症状关系网络；基于症状关系网络，进行子图抽取，得到关系节点子集，即为输入症状术语的子图表示。本发明提出融合中药性味归经和功效等多种信息的中药症状知识图谱构建方法，进而形成药症知识图谱；提出药症知识图谱和元路径结合的症状关系网络构建方法，进而构建出症状关系网络；提出基于子图抽取的术语表示算法，实现“未登录”术语的概念映射与特征表示。

公开(公告)号：CN114530197A

公开(公告)日：2022-05-24

申请号：CN202210138174.9

申请日：2022-02-15

Applicant: 北京交通大学

Inventor： 周雪忠 ,  王宁 ,  夏佳楠

IPC: G16B15/30

Abstract: 本发明提供一种基于矩阵补全的药物靶点预测方法及系统，属于生物医药技术领域，通过图卷积网络学习药物和靶点的低维特征向量，结合图卷积网络中每个药物节点或靶点节点的拓扑性质和邻域信息，捕捉非线性相互作用；利用矩阵补全的方法对学习到的药物特征和靶点特征进行关系预测，得到靶点预测结果。本发明基于图神经网络方法有效融合网络结构和节点属性信息，通过对局部表示应用多层聚合捕获更高阶的节点特征信息；进一步基于矩阵补全的方法学习原始特征隐含的抽象信息；最后将网络中中药和靶点的特征表示学习和后续的靶点预测任务结合，通过后者进一步优化特征表示，构建端到端的预测模型。