公开(公告)号：CN117809854B

公开(公告)日：2024-10-08

申请号：CN202311848403.7

申请日：2023-12-29

Applicant: 重庆邮电大学

Inventor： 于洪 ,  陈熙文 ,  苏祖强 ,  胡峰 ,  代劲 ,  王国胤

IPC: G16H50/70 ,  G16H10/60 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明属于人工智能技术领域，具体涉及一种基于医学因果知识嵌入的危险因素因果关系提取方法，包括：获取临床数据和医学因果知识；根据临床数据和医学因果知识获取疾病危险因素之间的因果结构；对因果结构进行修正；将修正后的因果结构输入到前馈神经网络中，得到识别结果；根据识别结果计算模型的损失函数；根据损失函数对权重Θt进行更新，得到ΘT；根据更新后的权重ΘT构建疾病危险因素之间的因果结构；本发明将深度学习引入到因果发现中，将数据驱动与知识驱动相结合，提高了危险因素因果关系提取的准确度。

公开(公告)号：CN117809854A

公开(公告)日：2024-04-02

申请号：CN202311848403.7

申请日：2023-12-29

Applicant: 重庆邮电大学

Inventor： 于洪 ,  陈熙文 ,  苏祖强 ,  胡峰 ,  代劲 ,  王国胤

IPC: G16H50/70 ,  G16H10/60 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明属于人工智能技术领域，具体涉及一种基于医学因果知识嵌入的危险因素因果关系提取方法，包括：获取临床数据和医学因果知识；根据临床数据和医学因果知识获取疾病危险因素之间的因果结构；对因果结构进行修正；将修正后的因果结构输入到前馈神经网络中，得到识别结果；根据识别结果计算模型的损失函数；根据损失函数对权重Θt进行更新，得到ΘT；根据更新后的权重ΘT构建疾病危险因素之间的因果结构；本发明将深度学习引入到因果发现中，将数据驱动与知识驱动相结合，提高了危险因素因果关系提取的准确度。