-
公开(公告)号：CN115630307A
公开(公告)日：2023-01-20
申请号：CN202211512595.X
申请日：2022-11-29
Applicant: 中国中医科学院中医药信息研究所
IPC: G06F18/214 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于跨视角和注意力聚合的证候诊断方法及装置，属于信息挖掘、人工智能和医学数据处理领域。实例生成器产生包括多个相关度大于预设阈值的症状实例；跨视角表征模块从全局和交互两个视角通过机器学习获得所有症状的特征和各症状间的交互信息的特征；注意力机制聚合模块借助所有症状的特征和各症状间的交互信息的特征,采用带有退火系数的注意力机制为特征整合矩阵中各症状对证候分类的贡献进行打分，挑选出分数高于分数阈值的症状形成症状群，进行证候分类诊断。本发明不仅为每类证候挑选出最具代表性的症状群，而且利用症状的全局及交互信息来提升对证候分类诊断的准确率，具有应用在实际临床辅助决策的可行性。
-
公开(公告)号：CN119361141A
公开(公告)日：2025-01-24
申请号：CN202411327385.2
申请日：2024-09-23
Applicant: 中国中医科学院中医药信息研究所
Abstract: 本发明实施例涉及时序知识图谱推理和医疗技术领域，提供一种慢性胃炎演化趋势的预测方法及装置，该方法包括：获取慢性胃炎疾病预测目标患者的当前病情数据；将数据输入到预训练后的慢性胃炎演化趋势的预测模型中；通过历史交互模式对数据进行推断，得到预测实体在时序知识图谱历史词汇表中的第一概率分布；通过生成模式进行推断，得到预测实体在临床诊疗相关实体集合中的第二概率分布；融合第一概率分布和第二概率分布，得到组合概率最高的疾病实体，作为目标患者未来病情的预测结果。由此，通过对目标患者当前病情的发展进行动态演化趋势预测，可以对目标患者的疾病状态进行动态评估，辅助医生做出医疗决策。
-
公开(公告)号：CN116564534B
公开(公告)日：2024-08-20
申请号：CN202310347923.3
申请日：2023-04-03
Applicant: 北京林业大学 , 中国中医科学院中医药信息研究所
IPC: G16H50/70 , G06F18/23213 , G06F18/24 , G06N3/0464 , G06N3/08 , G06F17/16 , G06N3/048
Abstract: 本发明提供一种中医临床数据的多视图聚类方法、装置及电子设备，涉及计算机技术领域，方法包括：从N个目标对象的中医临床数据中，获取N个目标对象对应的多视图信息，多视图信息为中医临床数据中从至少两个角度对目标对象进行描述的信息；确定多视图信息对应的特征矩阵和邻接矩阵；将特征矩阵和邻接矩阵输入至预先设置的多视图图卷积编码模型中，得到多视图图卷积编码模型输出的N个目标对象对应的特征表示；将各特征表示输入至预先设置的聚类模型中，得到聚类模型输出的聚类结果，聚类结果用于表征N个目标对象的中医临床数据之间的关系。本发明有效提高了聚类分析的效果，例如提高了聚类分析的准确性。
-
公开(公告)号：CN115630307B
公开(公告)日：2023-03-21
申请号：CN202211512595.X
申请日：2022-11-29
Applicant: 中国中医科学院中医药信息研究所
IPC: G06F18/214 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于跨视角和注意力聚合的证候诊断方法及装置，属于信息挖掘、人工智能和医学数据处理领域。实例生成器产生包括多个相关度大于预设阈值的症状实例；跨视角表征模块从全局和交互两个视角通过机器学习获得所有症状的特征和各症状间的交互信息的特征；注意力机制聚合模块借助所有症状的特征和各症状间的交互信息的特征,采用带有退火系数的注意力机制为特征整合矩阵中各症状对证候分类的贡献进行打分，挑选出分数高于分数阈值的症状形成症状群，进行证候分类诊断。本发明不仅为每类证候挑选出最具代表性的症状群，而且利用症状的全局及交互信息来提升对证候分类诊断的准确率，具有应用在实际临床辅助决策的可行性。
-
公开(公告)号：CN116705338B
公开(公告)日：2023-12-08
申请号：CN202310990444.3
申请日：2023-08-08
Applicant: 中国中医科学院中医药信息研究所 , 北京林业大学
Abstract: 本发明提供一种基于规则和路径的中医药多模态知识图谱推理方法和装置，涉及知识图谱推理技术领域，该方法包括：根据中医药多模态知识图谱中的目标规则对中医药多模态知识图谱中的目标路径进行组合，生成中医药多模态知识图谱的目标三元组；根据中医药多模态知识图谱的目标三元组、中医药多模态知识图谱中的实体图像嵌入表示、中医药多模态知识图谱中的实体描述信息嵌入表示、中医药多模态知识图谱中的实体类别嵌入表示，生成基于规则和路径的中医药多模态知识图谱推理模型；嵌入表示用于创建向量表示；根据中医药多模态知识图谱推理模型，进行中医药多模态知识的推理。本发明基于中医药多模态知识图谱推理模型可以有效的提
-
Patent Agency Ranking
公开(公告)号：CN116564534A
公开(公告)日：2023-08-08
申请号：CN202310347923.3
申请日：2023-04-03
Applicant: 北京林业大学 , 中国中医科学院中医药信息研究所
IPC: G16H50/70 , G06F18/23213 , G06F18/24 , G06N3/0464 , G06N3/08 , G06F17/16 , G06N3/048
Abstract: 本发明提供一种中医临床数据的多视图聚类方法、装置及电子设备，涉及计算机技术领域，方法包括：从N个目标对象的中医临床数据中，获取N个目标对象对应的多视图信息，多视图信息为中医临床数据中从至少两个角度对目标对象进行描述的信息；确定多视图信息对应的特征矩阵和邻接矩阵；将特征矩阵和邻接矩阵输入至预先设置的多视图图卷积编码模型中，得到多视图图卷积编码模型输出的N个目标对象对应的特征表示；将各特征表示输入至预先设置的聚类模型中，得到聚类模型输出的聚类结果，聚类结果用于表征N个目标对象的中医临床数据之间的关系。本发明有效提高了聚类分析的效果，例如提高了聚类分析的准确性。
-
公开(公告)号：CN115618745B
公开(公告)日：2023-03-21
申请号：CN202211462889.6
申请日：2022-11-21
Applicant: 中国中医科学院中医药信息研究所
IPC: G06F30/27 , G06F18/214 , G06F119/02
Abstract: 本发明属于深度学习大数据医疗技术领域，具体涉及一种生物网络交互构建方法，包括建立无向连接网络图G；对无向连接网络图G进行初步处理：将不同层级的邻居节点的信息聚合到源节点上，生成广域的源节点表征向量；从原始网络图G中为每一个源节点构建出特异性子图，学习源节点的特异性表征向量；基于和，预测任意两个节点之间存在的交互关系。本发明根据部分信息，不仅能准确预测已经存在的节点之间交互关系，同时还能预测出未知交互关系，为后续生物医学探究提供方向。此外，能清晰展示深度模型是基于哪些邻居节点信息来推断这些交互关系，具有较高可靠性和鲁棒性。
-
公开(公告)号：CN115618745A
公开(公告)日：2023-01-17
申请号：CN202211462889.6
申请日：2022-11-21
Applicant: 中国中医科学院中医药信息研究所
IPC: G06F30/27 , G06F18/214 , G06F119/02
Abstract: 本发明属于深度学习大数据医疗技术领域，具体涉及一种生物网络交互构建方法，包括建立无向连接网络图G；对无向连接网络图G进行初步处理：将不同层级的邻居节点的信息聚合到源节点上，生成广域的源节点表征向量；从原始网络图G中为每一个源节点构建出特异性子图，学习源节点的特异性表征向量；基于和，预测任意两个节点之间存在的交互关系。本发明根据部分信息，不仅能准确预测已经存在的节点之间交互关系，同时还能预测出未知交互关系，为后续生物医学探究提供方向。此外，能清晰展示深度模型是基于哪些邻居节点信息来推断这些交互关系，具有较高可靠性和鲁棒性。
-
公开(公告)号：CN116705338A
公开(公告)日：2023-09-05
申请号：CN202310990444.3
申请日：2023-08-08
Applicant: 中国中医科学院中医药信息研究所 , 北京林业大学
Abstract: 本发明提供一种基于规则和路径的中医药多模态知识图谱推理方法和装置，涉及知识图谱推理技术领域，该方法包括：根据中医药多模态知识图谱中的目标规则对中医药多模态知识图谱中的目标路径进行组合，生成中医药多模态知识图谱的目标三元组；根据中医药多模态知识图谱的目标三元组、中医药多模态知识图谱中的实体图像嵌入表示、中医药多模态知识图谱中的实体描述信息嵌入表示、中医药多模态知识图谱中的实体类别嵌入表示，生成基于规则和路径的中医药多模态知识图谱推理模型；嵌入表示用于创建向量表示；根据中医药多模态知识图谱推理模型，进行中医药多模态知识的推理。本发明基于中医药多模态知识图谱推理模型可以有效的提升推理预测的准确性。
-
公开(公告)号：CN111834012A
公开(公告)日：2020-10-27
申请号：CN202010675770.1
申请日：2020-07-14
Applicant: 中国中医科学院中医药信息研究所
Abstract: 本发明公开了一种基于深度学习和注意力机制的中医证候诊断方法及装置，该方法包括：获取待诊断患者带有症状的病历数据；将所述病历数据转换为向量数据；将所述向量数据，输入训练完成的中医证候诊断模型，输出诊断结果；所述中医证候诊断模型包括：使用矩阵映射层、激活函数tanh和softmax构建的注意力机制模块、以及使用多层感知器和激活函数sigmoid构建的预测深度神经网络。该方法首先对患者带有症状的病历数据进行独热编码映射，转换为向量数据；采用深度学习和有监督学习的相结合的多层感知器的中医证候诊断模型对患者的证候进行诊断，从而能够提高对患者的中医证候的诊断预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.06 seconds)
