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

Inventor： 林开标 ,  康丽萍 ,  吴志荣 ,  卢萍

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：CN111581364A

公开(公告)日：2020-08-25

申请号：CN202010370543.8

申请日：2020-05-06

Applicant: 厦门理工学院

Inventor： 林开标 ,  梁怀众 ,  朱顺痣

IPC: G06F16/332 ,  G06F16/36 ,  G06F40/216 ,  G06F40/295 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种面向医疗领域的中文智能问答短文本相似度计算方法，涉及自然语言处理与智能问答领域。该方法针对中文医疗领域，采用SH-CNN对用户输入的问句与智能问答系统中预设定的问题模板进行向量化，然后提取出两文本中的突出特征进行相似度计算，再结合TF-IDF的加权处理以获取更具可信性的文本相似度结果。根据结果获得用户输入问句的问题类型，结合使用词性标注方法获取的问句中的医疗实体，构造面向知识图谱的查询语句，并从中检索答案返回给用户。基于该方法所构造的智能问答系统能够快速的为用户提供简洁准确的答案，具有较高的实用价值。

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

Inventor： 林开标 ,  吴运兵 ,  朱顺痣 ,  杨帆 ,  卢萍

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

Inventor： 卢萍 ,  潘大为 ,  林开标

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。

公开(公告)号：CN113555111B

公开(公告)日：2023-09-26

申请号：CN202110812074.5

申请日：2021-07-19

Applicant: 厦门理工学院

Inventor： 林开标 ,  刘永 ,  卢萍

IPC: G16H50/20 ,  G16H20/00 ,  G16H80/00 ,  G06N7/02

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：CN116189256A

公开(公告)日：2023-05-30

申请号：CN202211692316.2

申请日：2022-12-28

Applicant: 厦门理工学院

Inventor： 戴彬 ,  张文君 ,  李林 ,  林开标

IPC: G06V40/16 ,  G06V10/82 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047

Abstract: 本发明提供了一种表情的识别方法、装置、设备及可读存储介质，包括：获取待识别图像，并将所述待识别图像发送至训练好的双链式网络模型进行特征提取；其中，所述双链式网络模型第一通道第n层能够对第一通道第(n‑1)层和第二通道第(n‑1)层的叠加特征进行提取，其中，n＞1；接收双链式网络模型第一通道最后一层输出的表情特征，并基于softmax分类器对所述表情特征进行分类，以完成表情识别，解决了用于识别表情的模型复杂度越来越高，导致边缘端设备不好被部署的问题。

公开(公告)号：CN115829760A

公开(公告)日：2023-03-21

申请号：CN202211488104.2

申请日：2022-11-25

Applicant: 厦门理工学院

Inventor： 林开标 ,  王冬扬 ,  卢萍 ,  戴彬

IPC: G06Q40/08 ,  G06F18/22 ,  G06F18/24 ,  G06F16/901

Abstract: 本发明实施例提供基于邻域相似度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S1、根据医疗数据构建医疗异构图。S2、根据各种行为模式的元路径进行采样，获取异构子图。S3、根据异构子图，进行编码获取初始邻域集合。S4、根据初始邻域集合分别计算各个邻域的相似性并进行筛选，获取最终邻域集合。S5、通过第一个注意力机制分别融合最终邻域集合，获取各个患者节点的各个为模式下的嵌入表示。S6、根据嵌入表示，获取各种行为模式的重要性。S7、根据重要性，通过第二个注意力机制融合嵌入表示，获取各个患者节点的最终嵌入表示。S8、对最终嵌入表示进行分类，以判断各个患者节点是否为医保欺诈患者。

公开(公告)号：CN119296636B

公开(公告)日：2025-03-18

申请号：CN202411833234.4

申请日：2024-12-13

Applicant: 厦门理工学院

Inventor： 卢萍 ,  郑李伟 ,  林俊鹏 ,  戴彬 ,  林开标

IPC: G16B15/30 ,  G06N3/042 ,  G06N3/08

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：CN115910232A

公开(公告)日：2023-04-04

申请号：CN202211116083.1

申请日：2022-09-14

Applicant: 厦门理工学院

Inventor： 林开标 ,  康丽萍 ,  张扬 ,  卢萍

IPC: G16C20/30 ,  G16C20/70 ,  G16C20/80 ,  G16H70/40 ,  G06F18/2415 ,  G06F18/214 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供多视图的药物对反应预测方法、装置、设备和存储介质，涉及药物对反应预测领域。药物对反应预测方法包含S1获取待预测药物的特征信息和已知反应信息。S2根据已知反应信息构建邻接视图。S3根据已知反应信息构建网络，并构建扩散视图。S4根据特征信息，构建药物特征矩阵和KNN视图。S5通过节点级别的注意力网络，将药物特征矩阵分别和邻接视图、扩散视图，以及KNN视图进行深度融合，获取三个视图级别嵌入向量。S6融合三个视图级别嵌入向量，获取各个药物的嵌入表示。S7将各个药物的嵌入表示进行组合，获得多个药物对向量。S8以已知反应类型的药物对向量为训练集，训练分类模型。S9将未知反应类型的药物对向量输入分类模型，获取预测反应类型。

公开(公告)号：CN115859199A

公开(公告)日：2023-03-28

申请号：CN202211253233.3

申请日：2023-01-17

Applicant: 厦门理工学院

Inventor： 林开标 ,  洪彬升 ,  张杨 ,  卢萍

IPC: G06F18/2433 ,  G06F18/22 ,  G06F18/25 ,  G06F16/901 ,  G06N3/0464 ,  G06N3/048 ,  G06Q40/08

Abstract: 本发明实施例提供一种医保欺诈检测方法及其嵌入向量生成方法、装置和介质，涉及医疗保险技术领域。嵌入向量生成方法包含S1、获取医保数据，并根据医保数据构建医保异质图G。S2、根据医保数据和医保异质图，获取特征图。S3、根据医保异质图，获取拓扑图。S4、根据医保异质图，获取语义图。S5、将特征图、拓扑图和语义图，分别输入单图卷积神经网络模型中，获取特征空间节点嵌入ZF、拓扑空间节点嵌入ZT和语义空间节点嵌入ZS。S6、将特征图、拓扑图和语义图两两组合后，分别输入一个共享参数的公共卷积神经网络模型中，获取拓扑特征节点嵌入ZCTF、特征语义节点嵌入ZCFS和拓扑语义节点嵌入ZCTS。S7、将步骤S5和步骤S6得到的节点嵌入融合，获取最终嵌入向量表示。