-
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: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: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
-
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: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。
-
-
-
-