-
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
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。
-
公开(公告)号：CN114694791A
公开(公告)日：2022-07-01
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
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：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：CN119381019B
公开(公告)日：2025-04-04
申请号：CN202411974878.5
申请日：2024-12-31
Applicant: 厦门理工学院
IPC: G16H70/40 , G06N3/0455 , G06F18/25
Abstract: 本发明提供的不对称药物相互作用关系的预测方法、装置、设备及介质，涉及药物相互作用预测领域。本发明通过获取待预测的源药物与目标药物的有向DDI网络与药物特征矩阵，并输入双通道编码器；基于有向DDI网络，通过第一编码器，分别得到源药物与目标药物的药物拓扑向量；利用第二编码器,对药物特征矩阵进行降维生成多尺度嵌入后，分别进行融合拼接，得到对应药物的药物嵌入向量；将药物拓扑向量与药物嵌入向量输入解码器进行融合，得到对应药物的融合嵌入向量；然后基于哈达玛积再次进行融合，生成最终的融合药物对表示；根据所述融合药物对表示进行DDI预测，得到预测结果。本发明能有效捕捉不对称DDI的方向性信息，实现了不对称DDI关系的准确预测。
-
Patent Agency Ranking
公开(公告)号：CN114581250B
公开(公告)日：2025-02-28
申请号：CN202210085212.9
申请日：2022-01-25
Applicant: 厦门理工学院
IPC: G06Q40/08 , G06F40/30 , G06F18/241 , G06F18/25 , G06N3/0442 , G06N3/084 , G06Q30/018
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：CN119381019A
公开(公告)日：2025-01-28
申请号：CN202411974878.5
申请日：2024-12-31
Applicant: 厦门理工学院
IPC: G16H70/40 , G06N3/0455 , G06F18/25
Abstract: 本发明提供的不对称药物相互作用关系的预测方法、装置、设备及介质，涉及药物相互作用预测领域。本发明通过获取待预测的源药物与目标药物的有向DDI网络与药物特征矩阵，并输入双通道编码器；基于有向DDI网络，通过第一编码器，分别得到源药物与目标药物的药物拓扑向量；利用第二编码器,对药物特征矩阵进行降维生成多尺度嵌入后，分别进行融合拼接，得到对应药物的药物嵌入向量；将药物拓扑向量与药物嵌入向量输入解码器进行融合，得到对应药物的融合嵌入向量；然后基于哈达玛积再次进行融合，生成最终的融合药物对表示；根据所述融合药物对表示进行DDI预测，得到预测结果。本发明能有效捕捉不对称DDI的方向性信息，实现了不对称DDI关系的准确预测。
-
公开(公告)号：CN117649301A
公开(公告)日：2024-03-05
申请号：CN202311344288.X
申请日：2023-10-17
Applicant: 厦门理工学院
IPC: G06Q40/08 , G06F16/901 , G06F18/22 , G06N3/0464 , G06N3/045 , G06N3/042
Abstract: 本发明提供了一种医疗保险欺诈检测方法、装置、设备及可读存储介质，构建基于医保数据集的多种异构图，包括扩散图、拓扑图、特征图语义图；采用置信度融合优化器对基础视图进行了优化，引入共享参数的多通道语义图卷积有效融合不同类型的元路径语义图。引入自适应注意力机制，以便为不同视图分配权重，从而更全面地融合来自多视图的信息，准确地描述医保数据的丰富特征。采用三种不同的损失函数进行端到端的模型训练，充分发挥多视图数据的互补优势，从而增强欺诈检测模型鲁棒性和泛化能力。充分应用该方法于真实医保数据集，对其在实际场景中的全面效用进行了深入验证。该方法在提升准确率和召回率方面取得了显著成效。
-
公开(公告)号：CN117457064A
公开(公告)日：2024-01-26
申请号：CN202311452091.8
申请日：2023-11-02
Applicant: 厦门理工学院
IPC: G16B15/30 , G16B40/00 , G16C20/50 , G16C20/10 , G16C20/70 , G06F18/2433 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种基于图结构自适应的药物‑药物相互作用预测方法及装置，方法包括：获取待预测的药物组合，并根据药物组合生成图结构的DDI元组；将DDI元组输入至软掩码自适应图神经网络，以利用软掩码自适应图神经网络提取DDI元组的子结构信息；通过子结构注意力模块对子结构信息进行更新，得到子结构潜在特征；根据子结构潜在特征获得子结构相关性；根据子结构潜在特征以及子结构相关性，采用子结构相互作用的计算得分作为药物组合相互作用的预测分数。本实施例可以表征任意大小子图，同时从药物化学子结构中提取更有益的信息。另外利用核心化学子结构之间的相关性识别具有相互作用的子结构信息，增强了药物的最终特征表示并提高DDI的预测精度。
-
公开(公告)号：CN116977096A
公开(公告)日：2023-10-31
申请号：CN202310997794.2
申请日：2023-08-09
Applicant: 厦门理工学院
IPC: G06Q40/08 , G06F18/24 , G06N3/0895
Abstract: 本发明提供了一种医疗保险的欺诈检测方法、装置、设备及可读存储介质，先通过接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵；接着将所述软标签矩阵与网络拓扑结构进行计算,以生成块矩阵；再接着根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵；最后生成更新后的所述图数据，在每个视图下的带权邻接矩阵进行图卷积传播并进行分类聚合操作，以生成节点嵌入结果,其中,所述节点嵌入结果用于判断图数据是否存在医疗保险的欺诈行为。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.022 seconds)
