检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于对话结构与图注意力网络的药物推荐算法

计算机科学与探索 2024年

作者：陈江美张文德谭睿璞福建江夏学院电子信息科学学院福州大学经济与管理学院福州大学信息管理研究所

现有的药物推荐算法大多基于历史电子健康记录，但该数据难以反映患者的当前健康状况，也无法捕捉患者实时性的健康需求，导致推荐效果不佳。为此，融合了在线对话和疾病信息，提出一种基于对话结构与图注意力网络的药物推荐算法。首先... 详细信息

现有的药物推荐算法大多基于历史电子健康记录，但该数据难以反映患者的当前健康状况，也无法捕捉患者实时性的健康需求，导致推荐效果不佳。为此，融合了在线对话和疾病信息，提出一种基于对话结构与图注意力网络的药物推荐算法。首先，集成灰关联分析与图注意力网络，运用灰关联分析学习节点间的关联，提出了一种新的关联感知图结构，以弥补传统图网络难以捕捉节点关联的不足。其次，构建了对话分层编码器，基于新的图注意力网络编码话语与对话表示，并设计两种关联图结构学习节点的邻接关系，以生成蕴含上下文语义的对话结构表示。最后，基于知识图谱和新的图网络学习疾病表示，将其与对话表示融合，实现药物的预测与推荐。实验结果表明，本文提出的算法在各评估方法下均优于基线方法，与性能最好的基线DNN相比，提出算法的F1和Jaccard分别提高了1.83%和3.52%，表明了提出算法能有效提高推荐性能。

关键词：药物推荐对话结构图注意力网络灰关联分析

基于患者相似性分析的药物推荐深度学习模型研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据分析与知识发现 2023年第6期7卷 148-160页

作者：吴佳伦张若楠康武林袁普卫西安交通大学计算机科学与技术学院西安710049 西安交通大学图书馆西安710049 陕西中医药大学附属医院咸阳712046

【目的】研究一种通过解析结构化时序医疗健康数据、分析患者相似性以准确预测药物组合的深度学习模型。【方法】通过两种注意力机制解析结构化时序数据以学习全面的患者表示,通过计算患者相似性丰富患者表示,最终将药物推荐问题转化为... 详细信息

【目的】研究一种通过解析结构化时序医疗健康数据、分析患者相似性以准确预测药物组合的深度学习模型。【方法】通过两种注意力机制解析结构化时序数据以学习全面的患者表示,通过计算患者相似性丰富患者表示,最终将药物推荐问题转化为多标签学习问题。【结果】在MIMIC-Ⅲ数据集上进行实验,相较于现有最优药物推荐模型,所提模型的DDI率降低了1.09个百分点,同时所提模型的Jaccard相似性、PRAUC和F1值分别提升了2.38、1.40和1.08个百分点。【局限】模型尚未融入生物医学等具有领域特色的先验知识;未深究数据本身存在的噪声及其在临床应用可能出现的问题。【结论】所提模型能够准确学习全面的患者表示,并提升药物推荐任务的安全性和准确性。

关键词：药物推荐电子健康记录患者表示学习深度学习

一种自适应记忆神经网络多跳读取与覆盖度机制结合的药物推荐模型

在线全文

学校读者我要写书评

暂无评论

电子学报 2022年第4期50卷 943-953页

作者：王延达陈炜通皮德常岳琳南京航空航天大学计算机科学与技术学院江苏南京211106 昆士兰大学信息技术与电子工程学院澳大利亚昆士兰布里斯班4072

药物推荐的目标是依据病人的电子医疗记录生成药物处方,为医生提供临床决策支持.提取电子医疗记录中蕴含的时序模式以及上下文信息,是成功推荐药物的关键.以往研究忽略了病人之间医疗记录数据量存在差异,无法根据不同病人自身情况,调整... 详细信息

药物推荐的目标是依据病人的电子医疗记录生成药物处方,为医生提供临床决策支持.提取电子医疗记录中蕴含的时序模式以及上下文信息,是成功推荐药物的关键.以往研究忽略了病人之间医疗记录数据量存在差异,无法根据不同病人自身情况,调整数据读取过程中的关注重点以及数据读取迭代次数.针对上述问题,本文提出一种选择性覆盖度机制与自适应记忆神经网络读取结合的药物推荐模型.模型使用记忆神经网络存储病人健康状况对应的时序模式编码结果,利用覆盖度机制进行迭代读取过程中的数据过滤与注意力权重调整.同时模型依据病人自身情况,自适应决定记忆神经网络读取次数.基于真实临床数据的实验结果显示,本模型能够自适应地提取电子医疗记录中的重要数据,构建有效的病人健康状况表示向量,进而完成药物推荐.

关键词：药物推荐记忆神经网络注意力机制覆盖度机制自适应多跳读取

在线全文

学校读者我要写书评

暂无评论

图嵌入式双层图卷积网络药物推荐模型

计算机工程与应用 2023年

作者：江钰哲成全福州大学经济与管理学院

近年来，基于深度学习模型的药物推荐在智慧医疗领域得到了广泛的研究和应用。提出了一种基于图嵌入的双层图卷积网络药物推荐模型。首先构建患者属性知识图谱和患者用药知识图谱，利用图嵌入生成嵌入表示，将患者属性知识图谱的嵌入表... 详细信息

近年来，基于深度学习模型的药物推荐在智慧医疗领域得到了广泛的研究和应用。提出了一种基于图嵌入的双层图卷积网络药物推荐模型。首先构建患者属性知识图谱和患者用药知识图谱，利用图嵌入生成嵌入表示，将患者属性知识图谱的嵌入表示放入加载了注意力机制和双向传播机制的多层图注意力网络层进行信息传播与融合，然后将得到患者的特征表示和患者用药知识图谱嵌入表示进行聚合，再次放入多层图注意力网络层训练，从而挖掘患者属性和患者用药之间的高阶关联，最终完成药物推荐。以重症监护医学信息数据库数据集中的患者基本信息、生理特征和患者用药数据作为对象开展实证研究。实验结果证明，其在推荐准确率、召回率、F1分数和NDCG四个评价指标上均优于基线方法。

关键词：智慧医疗知识图谱图卷积网络药物推荐

基于时序EHR数据的药物组合推荐及优化方法的研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于时序EHR数据的药物组合推荐及优化方法的研究

作者：苏亚琦山东大学

学位级别：硕士

近年来,随着电子健康记录(Electronic Health Records,EHR)在医疗机构中的广泛使用和计算机技术的飞速发展,深度学习技术在医疗领域的预测任务中取得了巨大的成就,其中基于患者的历史就诊记录进行药物推荐是医疗信息学领域中的一个研究... 详细信息

近年来,随着电子健康记录(Electronic Health Records,EHR)在医疗机构中的广泛使用和计算机技术的飞速发展,深度学习技术在医疗领域的预测任务中取得了巨大的成就,其中基于患者的历史就诊记录进行药物推荐是医疗信息学领域中的一个研究热点,准确、有效地推荐药物组合对于帮助医生做出合适的临床决策是有重要意义的。因此,如何基于时序EHR数据挖掘患者的就诊规律从而提高推荐药物组合的性能是本文重点解决的问题。目前,大多数研究通过使用深度学习模型对患者的就诊序列进行建模来解决这个问题。然而,现有方法仍存在一些不足:一方面,它们主要集中于获取医疗数据的全局信息,忽略了局部依赖信息,而且也没有考虑到时序EHR数据中存在的不规则时间间隔对药物推荐性能的影响;另一方面,有些药物两两之间存在药物-药物相互作用(Drug-Drug Interaction,DDI)关系,而使用存在不良 DDI 关系的药物组合可能导致病人病情加重甚至死亡,因此在药物推荐任务中考虑不良DDI关系是有必要的。此外,药物描述、医生处方等非结构化文本信息对于提高药物推荐的准确性也有积极作用,然而,目前的方法并没有考虑到融合这些非结构化的文本信息来提高深度学习模型的建模性能。为了解决上述问题,本文对基于深度学习的药物组合推荐任务进行了深入研究:1.提出了一个基于时间感知层次依赖学习的药物推荐模型(Time-Aware Hierarchical Dependency Network for Medication Recommendation,TAHDNet)。针对 EHR数据中存在的不规则时间间隔特征,该模型引入动态时间感知模块,捕捉患者病情随着时间间隔的变化情况;另一方面,该模型通过分别使用Transformer和一维卷积神经网络分别学习药物和诊断级别的全局依赖和患者访问级别的局部依赖这两种不同层级的依赖关系,提升模型的表示学习能力,从而提高药物推荐的性能。2.提出了一个基于信息增强和不良DDI信息的药物组合推荐优化模型。在研究内容1的基础上,该模型通过加入非结构化文本信息和DDI关系来进行药物组合推荐优化。具体来说,该模型使用Transformer网络来对非结构化文本信息进行表示学习,同时,在TAHDNet模型的基础上引入DDI损失函数来共同决定药物组合推荐的结果。此外,本文设计了基于文本信息感知的跳跃连接模块来融合非结构化文本信息特征与结构化的EHR特征。该模块除了可以增强信息表示,还可以尽可能地避免由于模型过度复杂而导致的梯度消失和梯度爆炸问题,进一步优化了模型的性能。最后,本文在MIMIC-Ⅲ公开数据集上进行模型的性能验证。实验结果表明,与现有的药物推荐方法相比,本文所提的模型均取得了较好的实验效果。

关键词：药物推荐层次依赖动态时间感知药物不良相互作用

基于命名实体识别技术的药物推荐模型应用研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于命名实体识别技术的药物推荐模型应用研究

作者：丁浩东北财经大学

学位级别：硕士

我国人口众多的基本国情并未发生改变,同时,我国现有医疗人员并不能满足人们的日常生活需要。特别是在新冠肺炎疫情的影响下,由于大量医疗人员都投身于新冠肺炎疫情的防控和治疗工作当中,使得非新冠肺炎患者就医难的问题显得更加突出... 详细信息

我国人口众多的基本国情并未发生改变,同时,我国现有医疗人员并不能满足人们的日常生活需要。特别是在新冠肺炎疫情的影响下,由于大量医疗人员都投身于新冠肺炎疫情的防控和治疗工作当中,使得非新冠肺炎患者就医难的问题显得更加突出。此外,药物推荐一直是医疗实践应用中常见的智能医疗手段,作为临床决策的一种,药物推荐主要是依靠大量的患者电子病历、医疗文献等知识库为基础,通过给出药物的种类、用药方式和剂量来辅助医生做出决策。现流行的药物推荐本质上是专家系统,只是对相应文本制定规则进行简单匹配,虽然在一定程度上可以辅助医生做出决策,但由于知识的复杂性和模糊性使得实际应用效果并不理想。同时,研读现有论文发现,少有人对药物说明书的信息充分利用。无论是医生还是患者,都离不开药物说明书的使用。充分挖掘药物说明书的信息,无疑是药物正确使用的首要步骤。融合药物说明书数据和患者诊断数据进行药物推荐既丰富了药物推荐的数据来源,提升了药物推荐效果,同时为药物说明书这样有特殊行文规范的文本类数据提取关键信息提出了新思路。此外,相较于在较短时间内提升医生平均知识水平和经验水平来说,让计算机习得根据患者病情来推荐药物更现实可靠,同时可以辅助医生进行药物调整,这有巨大的潜在社会价值和经济价值。本文在前人的研究基础上,借助某智能医疗公司提供的药物说明书实体标注数据和患者诊断数据搭建了药物推荐模型。首先,对药物说明书进行了词频分析,通过比较全文词频和不同实体类别的词频,发现对患者用药有重要帮助的关键信息仅占全文内容的5.22%。针对此类数据的信息分布特点提出利用命名实体识别技术提取药物说明书的重要实体作为药物说明书的关键词信息,在此环节通过对比CRF、LSTM、BERT及其常见组合模型的实体分类预测效果,针对不同实体类别选择其合适的命名实体识别模型,并对药物说明书所提取的相关实体进行汇总整理,为药物推荐提供数据支持。接着,对于处理好的药物说明书数据和患者诊断数据,通过分析实际用药情况制定不同的推荐策略,同时比较了不同策略下不同药物备选个数的药物推荐效果,据此选择出药物推荐效果最好的推荐策略及其适合的推荐药物个数来搭建最终药物推荐模型。本文在以下几个方面实现了创新。第一,本文采用的推荐模型在患者就医以及疫情防控中具有较强的实用价值,从选题上以及解决问题的视角上符合当下社会现状,有效缓解医生的压力,为患者就医提供有效帮助。第二,本文在药物推荐中引入了药物的相关信息数据,与现有推荐模型相比,在数据来源方面更加完善,既有效利用了患者信息,也结合了药物信息。第三,本文采用的推荐模型充分考虑了药物的适用性与患者的安全性,在进行药物推荐时先过滤了会对患者产生不良反应的药物,通过比较不同推荐策略,选出最佳的药物推荐模型,提升了模型效果。经过实证分析本文得到以下结论。第一,利用命名实体识别提取药物特征能显著提升药物推荐效果,相较于传统TF-IDF提取关键词的药物推荐准确率提升了 5.24%,召回率提升了 37.68%。第二,命名实体识别过程中针对不同类别实体采用不同的分类模型有效提升了实体识别的效果,不同实体选择不同模型可使准确率提升0.82%,召回率提升1.36%。第三,通过比较不同推荐策略对药物推荐效果的影响发现,利用患者特征来匹配药物特征可以有效提升药物推荐效果。第四,命名实体识别过程中BERT-BILSTM-CRF模型对于不同实体类别的分类效果都是最优或者接近最优的。

关键词：药物推荐命名实体识别词向量药物说明书

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于个性化网络标志物的药物推荐方法研究

电子与信息学报 2020年第6期42卷 1340-1347页

作者：刘文斌吴倩杜玉改方刚石晓龙许鹏温州大学计算机与人工智能学院温州325035 广州大学计算科技研究院广州510006 黔南民族师范学院计算机与信息学院都匀558000

基于个性化标志物的药物推荐研究,有助于实现个性化用药及推动精准医疗的发展。该文利用基因表达谱数据及蛋白质网络信息,基于基因2维高斯分布方法筛选出个性化网络标志物。进而综合考虑靶基因的重要性和药物的副作用,提出了一种计算药... 详细信息

基于个性化标志物的药物推荐研究,有助于实现个性化用药及推动精准医疗的发展。该文利用基因表达谱数据及蛋白质网络信息,基于基因2维高斯分布方法筛选出个性化网络标志物。进而综合考虑靶基因的重要性和药物的副作用,提出了一种计算药物对个性化标志物影响权重的方法。将该方法应用于肺腺癌、肾透明细胞癌和子宫内膜癌数据集,通过启发式搜索方法,得到每个疾病样本重要药物推荐列表。结果表明,推荐的药物列表在同种癌症不同样本中既存在一致性,也表现出很大的差异性,如药物种类及药物排序差异,这说明个性化药物在疾病治疗中的重要性及必要性。通过从药物数据库中搜索药物组合对疾病治疗的影响作用表明,该文方法筛选得到的许多药物组合对具体疾病治疗具有积极影响,这进一步证明该文基于个性化网络标志物的药物推荐方法的准确性。该文的研究将有效促进精准化医疗的发展。

关键词：精准医疗个性化标志物网络标志物药物推荐

在线全文

学校读者我要写书评

暂无评论

融合医学本体知识的药物推荐算法

浙江科技学院学报 2022年第3期34卷 233-241页

作者：洪高枫黄杰万健浙江科技学院信息与电子工程学院杭州310023

针对传统的药物推荐技术忽略了医疗编码体系中蕴含的本体分类信息,导致推荐效率不高的问题,提出了一种融合图神经网络技术和注意力机制的药物推荐算法。首先通过图神经网络学习医学本体图中的分类关系,对医疗代码进行嵌入表示;其次将医... 详细信息

针对传统的药物推荐技术忽略了医疗编码体系中蕴含的本体分类信息,导致推荐效率不高的问题,提出了一种融合图神经网络技术和注意力机制的药物推荐算法。首先通过图神经网络学习医学本体图中的分类关系,对医疗代码进行嵌入表示;其次将医疗表示输入结合注意力机制的循环神经网络中捕捉患者病历信息特征,同时引入药物相互作用知识,通过图神经网络学习药物相互作用关系;最后进行多标签分类来输出推荐药物。算法在电子病历数据集上进行试验,结果如下:F_(1)值为63.09%,杰卡德相似系数为47.43%,精确度调用曲线值为71.64%,优于对比的其他方法。试验结果表明本算法能够丰富医疗代码表示,提升药物推荐的准确率,并且降低推荐药物组合中相互作用概率。本算法能够向医生推荐合适的药物,对医疗智能化发展具有一定的参考价值。

关键词：药物推荐图神经网络注意力机制

基于异构星型网络分析的药物推荐改进算法HIC-MedRank

在线全文

学校读者我要写书评

暂无评论

计算机应用 2017年第8期37卷 2368-2373,2380页

作者：邹林霖李学明李雪袁洪刘星重庆大学计算机学院重庆400044 重庆大学信息物理社会可信服务计算教育部重点实验室重庆400044 昆士兰大学信息技术与电子工程学院中南大学湘雅三医院心内科长沙410013

伴随着医疗文献数据库的快速增长,缺乏经验的初级医师在为患者开处方时难以阅读大量的医疗文献来获得科学的决策辅助。2013年提出的MedRank算法从Medline数据库中提取医学信息异构星型网络,基于"有疗效的药物是由好的文章提及的,好的文... 详细信息

伴随着医疗文献数据库的快速增长,缺乏经验的初级医师在为患者开处方时难以阅读大量的医疗文献来获得科学的决策辅助。2013年提出的MedRank算法从Medline数据库中提取医学信息异构星型网络,基于"有疗效的药物是由好的文章提及的,好的文章是由优秀的作者写的并刊登在高水平的期刊上"的假设,旨在为各类疾病的患者推荐最具有疗效的药物。该算法仍然存在几个问题:1)模型输入的疾病不是独立的疾病;2)推荐的结果不是具体的药物;3)没有考虑文章的发表时间等其他因素;4)没有定义判定作者、期刊、文章是"好的"的标准。对以上问题进行了研究并提出HIC-MedRank算法,该算法纳入作者的H指数、期刊的影响因子、文章的引用数作为评判作者、期刊、文章是否优秀的指标,并综合考虑文章的发表时间、支持机构、发表类型等因素,为高血压合并慢性肾脏病(CKD)患者推荐最佳的降压药物。在Medline数据集上的实验结果显示HIC-MedRank推荐的药物比MedRank算法推荐的药物更为精准,与主治医师投票选择的药物较为一致,与美国成人高血压治疗指南(JNC)推荐的药物一致性达到80%。

关键词：异构信息网络数据挖掘临床决策支持 H指数高血压慢性肾脏病药物推荐