-
公开(公告)号：CN119181417A
公开(公告)日：2024-12-24
申请号：CN202411041107.0
申请日：2024-07-31
Applicant: 北京交通大学
IPC: G16B15/30 , G16B30/00 , G16B40/00 , G06F18/2433 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/0985 , G06N3/048
Abstract: 本发明提供一种基于药物元学习的药物靶点预测方法及系统，属于基于深度学习的药物靶点预测技术领域，获取待预测的药物化学分子式信息和靶点蛋白的氨基酸序列信息；利用预先训练好的药物靶点预测模型对获取的待预测的药物分子式和靶点蛋白的氨基酸序列进行处理，得到所述待预测的药物与靶点的是否存在关系的结构。本发明基于药物元学习的药物靶点预测算法，利用元学习的跨任务学习技术，通过药靶元任务划分和药物元学习，建立药靶预测元学习框架，提升了小样本场景下的药靶预测精度。
-
公开(公告)号：CN115938609B
公开(公告)日：2024-09-13
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：CN114564959B
公开(公告)日：2024-07-05
申请号：CN202210041524.X
申请日：2022-01-14
Applicant: 北京交通大学
IPC: G06F40/295 , G06F18/214 , G06N3/047 , G06N3/084 , G06N3/0455 , G06N3/09 , G16H10/60
Abstract: 本发明提供一种基于中文临床表型细粒度命名实体识别方法及系统，属于临床病历信息处理技术领域，通过自然语言预训练模型BERT进行临床文本的字符级嵌入特征抽取；利用双向长短词记忆模型BiLSTM对字符级嵌入特征和临床文本的序列特征进行整合并进行特征编码，得到标签；利用条件随机场CRF进行标签的解码预测，得到命名实体识别结果。本发明建立了用于细粒度命名实体实验的临床细粒度表型实体标准数据集，其区分了阴性症状和阳性症状，为临床分析提供更为精确的结构化数据。
-
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
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：CN119207726A
公开(公告)日：2024-12-27
申请号：CN202411112467.5
申请日：2024-08-14
Applicant: 北京交通大学
Abstract: 本发明提供一种融合多图卷积与本体知识的中医智能辨证方法与系统，属于疾病证候预测技术领域，获取临床电子病历数据和中医知识库本体数据；利用预先训练好的证候预测模型对获取的临床电子病历数据和中医知识库本体数据进行处理，得到证候预测结果；其中，所述证候预测模型包括图构建模块、嵌入表示学习模块、特征融合模块以及智能辩证模块。本发明建立了融合临床病历数据和中医本体知识的症状特征图、证候标签图，以及证候‑证候图的构建策略，以及结合多图卷积神经网络与特征融合的症状与证候嵌入表示学习技术，最终实现症状、证候、患者的精准嵌入表示，提升了智能辨证算法的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN114783571A
公开(公告)日：2022-07-22
申请号：CN202210356305.0
申请日：2022-04-06
Applicant: 北京交通大学
Abstract: 本发明提供一种基于深度强化学习的中医动态诊疗方案优化方法及系统，属于中医诊疗技术领域，通过结合Q‑Learning和卷积神经网络的强化学习模型、通过融合全连接网络和LSTM神经网络的强化学习模型进行诊疗优化模型训练，获得最佳患者诊疗方案；将患者的症状和患者症状和诊疗优化模型优化输出的诊疗方案作为输入，构建多层神经网络用于预测中药处方；最终将优化输出的诊疗方案和预测的中药处方作为治疗方案推荐给患者。本发明针对中医诊疗优化问题，通过设计离线虚拟环境、奖励函数、状态转移预测以及诊疗方案聚类分析，构建出一个基于深度强化学习的中医动态诊疗方案优化模型。
-
公开(公告)号：CN114141361A
公开(公告)日：2022-03-04
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：CN119028533A
公开(公告)日：2024-11-26
申请号：CN202410981466.8
申请日：2024-07-22
Applicant: 北京交通大学
IPC: G16H20/90 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种变分深度生成的中医处方推荐方法及系统，属于临床智能辅助诊疗技术领域，提出了一种变分深度生成的中医处方推荐模型，包含患者表征学习和处方推荐两部分，患者表征学习模块以患者症状向量为输入，使用多层卷积网络编码器从中学习症状信息，得到患者的显式表示，然后利用高斯分布采样在显示表示的基础上融合隐式表示，使患者表示更具多样性和真实性。处方推荐包括中药概率生成模块和目标优化模块，中药概率生成模块使用多层卷积网络解码器学习患者表示，生成每个中药被推荐的概率，目标优化模块使用成对中药排序优化损失和多尺度对比损失优化模型的参数，提升模型的准确性和鲁棒性。
-
公开(公告)号：CN116110594A
公开(公告)日：2023-05-12
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：CN114564959A
公开(公告)日：2022-05-31
申请号：CN202210041524.X
申请日：2022-01-14
Applicant: 北京交通大学
IPC: G06F40/295 , G06K9/62 , G06N3/04 , G16H10/60
Abstract: 本发明提供一种基于中文临床表型细粒度命名实体识别方法及系统，属于临床病历信息处理技术领域，通过自然语言预训练模型BERT进行临床文本的字符级嵌入特征抽取；利用双向长短词记忆模型BiLSTM对字符级嵌入特征和临床文本的序列特征进行整合并进行特征编码，得到标签；利用条件随机场CRF进行标签的解码预测，得到命名实体识别结果。本发明建立了用于细粒度命名实体实验的临床细粒度表型实体标准数据集，其区分了阴性症状和阳性症状，为临床分析提供更为精确的结构化数据。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
