-
公开(公告)号：CN110929511B
公开(公告)日：2021-12-17
申请号：CN201811027747.0
申请日：2018-09-04
Applicant: 清华大学
IPC: G06F40/289 , G06F40/30 , G06N3/08 , G16H20/10 , G06F16/332
Abstract: 本发明提供一种基于语义相似性的个性化中医诊疗信息和中药信息智能匹配方法。本方法首先训练神经网络模型，提取出症状、舌脉等中医四诊信息、证候、疾病与中药或方剂的功效、治法等术语之间的语义关系。在此基础上，定义个性化中医诊疗信息和中药(中成药)适应症、禁忌症信息的匹配，其中诊疗信息和适应症的匹配包括适应症的语义相似性得分、关键动词匹配、关键证候术语匹配和关键疾病术语匹配，诊疗信息和禁忌症的匹配包括禁忌症术语匹配。本方法在语义关系的基础上，通过一系列关键术语匹配，放大正确的匹配结果、惩罚具有违禁用药风险的匹配结果，从而实现个性化中医诊疗信息和中药或中成药信息的智能匹配，有望降低临床上中药或中成药不合理使用率。
-
公开(公告)号：CN110929511A
公开(公告)日：2020-03-27
申请号：CN201811027747.0
申请日：2018-09-04
Applicant: 清华大学
IPC: G06F40/289 , G06F40/30 , G06N3/08 , G16H20/10 , G06F16/332
Abstract: 本发明提供一种基于语义相似性的个性化中医诊疗信息和中药信息智能匹配方法。本方法首先训练神经网络模型，提取出症状、舌脉等中医四诊信息、证候、疾病与中药或方剂的功效、治法等术语之间的语义关系。在此基础上，定义个性化中医诊疗信息和中药(中成药)适应症、禁忌症信息的匹配，其中诊疗信息和适应症的匹配包括适应症的语义相似性得分、关键动词匹配、关键证候术语匹配和关键疾病术语匹配，诊疗信息和禁忌症的匹配包括禁忌症术语匹配。本方法在语义关系的基础上，通过一系列关键术语匹配，放大正确的匹配结果、惩罚具有违禁用药风险的匹配结果，从而实现个性化中医诊疗信息和中药或中成药信息的智能匹配，有望降低临床上中药或中成药不合理使用率。
-
公开(公告)号：CN115019929A
公开(公告)日：2022-09-06
申请号：CN202110241105.6
申请日：2021-03-04
Applicant: 清华大学 , 北京智医网药科技有限公司
Abstract: 本发明提供了一种基于深度学习的融合表型与分子信息的中药处方人工智能评价方法。本方法首先构建基于卷积神经网络的诊断描述特征智能提取，基于网络嵌入的药物特征智能提取，同时在药物特征中融合了分子信息。进而，基于提取的诊断描述及中药处方特征，设计基于卷积神经网络的中药处方人工智能评价方法。同时，本方法还首次提出了一种基于中药处方相似性的分层采样策略。实验结果表明，我们的方法在中药处方评价性能上要优于基线方法，且优于未添加分子信息的模型，能较好地学习专家经验。我们的方法促进了基于经验的、宏观的传统中医药学走向基于数据的、宏微观结合现代科学，有助于减少中药处方的不合理使用情况，推动中医药的精准化和智能化。
-
公开(公告)号：CN115376658A
公开(公告)日：2022-11-22
申请号：CN202110736888.5
申请日：2021-06-30
Applicant: 清华大学 , 皖南医学院弋矶山医院
Abstract: 本发明提供了一种基于深度学习的融合表型与分子信息的中药处方人工智能评价方法。本方法首先构建基于卷积神经网络的诊断描述特征智能提取，基于网络嵌入的药物特征智能提取，同时在药物特征中融合了分子信息。进而，基于提取的诊断描述及中药处方特征，设计基于卷积神经网络的中药处方人工智能评价方法。同时，本方法还首次提出了一种基于中药处方相似性的分层采样策略。实验结果表明，我们的方法在中药处方评价性能上要优于基线方法，且优于未添加分子信息的模型，能较好地学习专家经验。我们的方法促进了基于经验的、宏观的传统中医药学走向基于数据的、宏微观结合现代科学，有助于减少中药处方的不合理使用情况，推动中医药的精准化和智能化。
-
-
-
Search Results
4
records
(took 0.021 seconds)
