-
公开(公告)号：CN116779095B
公开(公告)日：2024-09-03
申请号：CN202310471305.X
申请日：2023-04-27
Applicant: 西南交通大学
Abstract: 本发明公开了一种知识数据双驱动的合理用药预测方法，包括获取原始数据，将原始数据按照预设方式进行预处理；对预处理后的数据集按照不同的数据类型进行编码；利用机器学习模型对表征数据进行训练；获取合理用药的专家知识，构建可视化知识图谱；采用基于路径推理的方式对可视化知识图谱进行推理，得到知识驱动的合理用药预测模型；将数据驱动的合理用药预测模型与知识驱动的合理用药预测模型进行融合，得到知识数据双驱动的合理用药预测模型，进行可解释性合理用药预测。本发明基于多维度特征数据，能够提高对该患者的药物选择以及药物剂量预测的准确性和鲁棒性；采用的数据与知识双驱动的方式，能有效提高合理用药方案的可信度。
-
公开(公告)号：CN116779095A
公开(公告)日：2023-09-19
申请号：CN202310471305.X
申请日：2023-04-27
Applicant: 西南交通大学
Abstract: 本发明公开了一种知识数据双驱动的合理用药预测方法，包括获取原始数据，将原始数据按照预设方式进行预处理；对预处理后的数据集按照不同的数据类型进行编码；利用机器学习模型对表征数据进行训练；获取合理用药的专家知识，构建可视化知识图谱；采用基于路径推理的方式对可视化知识图谱进行推理，得到知识驱动的合理用药预测模型；将数据驱动的合理用药预测模型与知识驱动的合理用药预测模型进行融合，得到知识数据双驱动的合理用药预测模型，进行可解释性合理用药预测。本发明基于多维度特征数据，能够提高对该患者的药物选择以及药物剂量预测的准确性和鲁棒性；采用的数据与知识双驱动的方式，能有效提高合理用药方案的可信度。
-
公开(公告)号：CN116504351A
公开(公告)日：2023-07-28
申请号：CN202310471299.8
申请日：2023-04-27
Applicant: 西南交通大学
Abstract: 本发明公开了一种共病模式下的潜在不适当用药检测方法，包括以下步骤：对原始病历数据进行处理，获得训练后的机器学习模型；根据药物标准中潜在不适当用药的相关因素构建知识图谱，建立基于原始特征的知识图谱路径推理模型；将机器学习模型的预测结果和知识图谱路径推理模型的推理结果进行结合，获得潜在不适当用药检测结果。本发明弥补了机器学习对于低频潜在不适当用药预测能力弱的问题，增加了预测结果的准确性和可靠性，同时减少了对样本数据的依赖，因此具有较高的临床应用价值。
-
-
Search Results
3
records
(took 0.025 seconds)
