智能化药物毒性判断方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术涉及一种人工智能技术，揭露了一种智能化药物毒性判断方法，包括：接收包括分子结构序列的药物数据集与标签集，并基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集；将所述药物编码集输入至LSTM模型中，将所述标签集输入至损失函数，所述LSTM模型训练得出训练值并输入至所述损失函数，所述损失函数计算出损失值，判断所述损失值与预设阈值的大小，直至所述损失值小于所述预设阈值时退出训练；接收用户输入的药物分子结构序列并编码后输入至所述药物损伤判断模型，输出对所述用户输入的药物分子结构序列的毒性判断。本发明专利技术还提出一种智能化药物毒性判断装置以及一种计算机可读存储介质。本发明专利技术可以实现高效的药物毒性判断。

Intelligent Method, Device and Computer Readable Storage Medium for Drug Toxicity Judgment

【技术实现步骤摘要】
智能化药物毒性判断方法、装置及计算机可读存储介质
本专利技术涉及人工智能
，尤其涉及一种基于猪肝脏药物的智能化药物毒性判断方法、装置及计算机可读存储介质。
技术介绍
近年来，动物的发病率较高且呈上升趋势，因此为对动物，例如猪群进行健康管理，在养猪场中经常需要大规模的对猪群进行接种疫苗、药物治疗。药物是用以预防、治疗及诊断疾病的物质，其本身也具有特异性。然而，有关猪肝脏的疾病种类较多，并且药物是否有益尚且未知，如何选择药物进行治疗是一大难题，所以，针对猪群做药物损伤检测是很必要的。目前，养猪场主要采用人工对猪进行药物试用，并观察猪群反应来做药物损伤检测，然而，人工处理太过耗时耗力，且只能观察猪群的举止反应，无法判断药物是否对猪群的生理造成影响。
技术实现思路
本专利技术提供一种智能化药物毒性判断方法、装置及计算机可读存储介质，其主要目的在于当用户输入某种药物时，帮助用户呈现出精准的药物毒性判断结果。为实现上述目的，本专利技术提供的一种智能化药物毒性判断方法，包括：数据处理层接收包括分子结构序列的药物数据集与标签集，并基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集，将所述药物编码集与所述标签集输入至药物损伤判断模型中；所述药物损伤判断模型将所述药物编码集输入至LSTM模型中，将所述标签集输入至损失函数，所述LSTM模型基于所述药物编码集训练得出训练值并输入至所述损失函数，所述损失函数根据所述标签集与所述训练值计算出损失值，判断所述损失值与预设阈值的大小，直至所述损失值小于所述预设阈值时退出训练；接收用户输入的药物分子结构序列并编码后输入至所述药物损伤判断模型，输出对所述用户输入的药物分子结构序列的毒性判断。可选地，其特征在于，基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集，包括：依次读取所述药物数据集中的分子结构序列，并随机选取所述分子结构序列的中心序列ω，选取所述中心序列ω前后2c个分子结构序列计算累加求和值Xω；基于所述累加求和值Xω进行结点分类判断，得到霍夫曼二叉树；基于所述霍夫曼二叉树进行霍夫曼编码，得到所述药物编码集。可选地，所述计算累加求和值Xω为：其中，V(ωi)为所述分子结构序列的向量表示；所述结点分类判断σ为：其中，表示所述累加求和值Xω的转置矩阵，e为无限不循环小数。可选地，所述LSTM模型包括输入门、遗忘门和输出门，所述药物编码集输入至所述输入门，将所述输入门内的记忆单元激活后，所述记忆单元依次读取所述药物编码集的编码，并基于激活函数激活所述编码后输入至遗忘门；所述遗忘门接收所述记忆单元依次输入的编码，并基于遗忘法计算所述编码并输入至输出门得到训练值，所述遗忘法为：ft＝δ(wt[ht-1，xt]+bt)其中，ft为所述遗忘门的输出数据，xt为所述输入的编码，t为所述遗忘门接收所述输入编码的当前时间，t-1为所述当前时间的前一个时间，ht-1为所述输出门在所述当前时间的前一个时间的输出数据，wt为所述当前时间的权重，bt为所述当前时间的偏置，[]为矩阵乘法操作，δ表示所述sigmoid函数。可选地，所述损损失值ξ为：其中，n为所述药物编码集的数量，为所述训练值，yi为所述标签集。此外，为实现上述目的，本专利技术还提供一种智能化药物毒性判断装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的智能化药物毒性判断程序，所述智能化药物毒性判断程序被所述处理器执行时实现如下步骤：数据处理层接收包括分子结构序列的药物数据集与标签集，并基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集，将所述药物编码集与所述标签集输入至药物损伤判断模型中；所述药物损伤判断模型将所述药物编码集输入至LSTM模型中，将所述标签集输入至损失函数，所述LSTM模型基于所述药物编码集训练得出训练值并输入至所述损失函数，所述损失函数根据所述标签集与所述训练值计算出损失值，判断所述损失值与预设阈值的大小，直至所述损失值小于所述预设阈值时退出训练；接收用户输入的药物分子结构序列并编码后输入至所述药物损伤判断模型，输出对所述用户输入的药物分子结构序列的毒性判断。可选地，其特征在于，基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集，包括：依次读取所述药物数据集中的分子结构序列，并随机选取所述分子结构序列的中心序列ω，选取所述中心序列ω前后2c个分子结构序列计算累加求和值Xω；基于所述累加求和值Xω进行结点分类判断，得到霍夫曼二叉树；基于所述霍夫曼二叉树进行霍夫曼编码，得到所述药物编码集。可选地，所述计算累加求和值Xω为：其中，V(ωi)为所述分子结构序列的向量表示；所述结点分类判断σ为：其中，表示所述累加求和值Xω的转置矩阵，e为无限不循环小数。可选地，所述LSTM模型基于所述药物编码集训练得出训练值，包括：所述LSTM模型包括输入门、遗忘门和输出门，所述药物编码集输入至所述输入门，将所述输入门内的记忆单元激活后，所述记忆单元依次读取所述药物编码集的编码，并基于激活函数激活所述编码后输入至遗忘门；所述遗忘门接收所述记忆单元依次输入的编码，并基于遗忘法计算所述编码并输入至输出门得到训练值，所述遗忘法为：ft＝δ(wt[ht-1，xt]+bt)其中，ft为所述遗忘门的输出数据，xt为所述输入的编码，t为所述遗忘门接收所述输入编码的当前时间，t-1为所述当前时间的前一个时间，ht-1为所述输出门在所述当前时间的前一个时间的输出数据，wt为所述当前时间的权重，bt为所述当前时间的偏置，[]为矩阵乘法操作，δ表示所述sigmoid函数。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有智能化药物毒性判断程序，所述智能化药物毒性判断程序可被一个或者多个处理器执行，以实现如上所述的智能化药物毒性判断方法的步骤。由于本专利技术所述的LSTM模型会对所述分子结构序列进行判断，符合规则的信息会被留下，不符合的信息会被遗忘，提高了对所述分子结构序列的分析能力，因此本专利技术提出的智能化药物毒性判断方法、装置及计算机可读存储介质，可为用户实现高效的药物毒性判断。附图说明图1为本专利技术一实施例提供的智能化药物毒性判断方法的流程示意图；图2为本专利技术一实施例提供的智能化药物毒性判断装置的内部结构示意图；图3为本专利技术一实施例提供的智能化药物毒性判断装置中智能化药物毒性判断程序的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种智能化药物毒性判断方法。参照图1所示，为本专利技术一实施例提供的智能化药物毒性判断方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。在本实施例中，智能化药物毒性判断方法包括：S1、数据处理层接收包括分子结构序列的药物数据集与标签集，并基于CBOW模型编码所述分子结构序列的药物数据集得到药物编码集，将所述药物编码集与所述标签集输入至药物损伤判断模型中。本专利技术较佳实施例中，所述药物数据集内的每种药物，根据美国国家医学图书馆临床药物标准化命名系统，定义为{成分、剂量}的形式，所述成本文档来自技高网...

【技术保护点】
1.一种智能化药物毒性判断方法，其特征在于，所述方法包括：数据处理层接收包括分子结构序列的药物数据集与标签集，并基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集，将所述药物编码集与所述标签集输入至药物损伤判断模型中；所述药物损伤判断模型将所述药物编码集输入至LSTM模型中，将所述标签集输入至损失函数，所述LSTM模型基于所述药物编码集训练得出训练值并输入至所述损失函数，所述损失函数根据所述标签集与所述训练值计算出损失值，判断所述损失值与预设阈值的大小，直至所述损失值小于所述预设阈值时退出训练；接收用户输入的药物分子结构序列并编码后输入至所述药物损伤判断模型，输出对所述用户输入的药物分子结构序列的毒性判断。

【技术特征摘要】
1.一种智能化药物毒性判断方法，其特征在于，所述方法包括：数据处理层接收包括分子结构序列的药物数据集与标签集，并基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集，将所述药物编码集与所述标签集输入至药物损伤判断模型中；所述药物损伤判断模型将所述药物编码集输入至LSTM模型中，将所述标签集输入至损失函数，所述LSTM模型基于所述药物编码集训练得出训练值并输入至所述损失函数，所述损失函数根据所述标签集与所述训练值计算出损失值，判断所述损失值与预设阈值的大小，直至所述损失值小于所述预设阈值时退出训练；接收用户输入的药物分子结构序列并编码后输入至所述药物损伤判断模型，输出对所述用户输入的药物分子结构序列的毒性判断。2.如权利要求1所述的智能化药物毒性判断方法，其特征在于，所述基于霍夫曼编码技术对所述分子结构序列的药物数据集编码得到药物编码集，包括：依次读取所述药物数据集中的分子结构序列，并随机选取所述分子结构序列的中心序列ω，选取所述中心序列ω前后2c个分子结构序列计算累加求和值Xω；基于所述累加求和值Xω进行结点分类判断，得到霍夫曼二叉树；基于所述霍夫曼二叉树进行霍夫曼编码，得到所述药物编码集。3.如权利要求2所述的智能化药物毒性判断方法，其特征在于，所述计算累加求和值Xω为：其中，V(ωi)为所述分子结构序列的向量表示；所述结点分类判断σ为：其中，表示所述累加求和值Xω的转置矩阵，e为无限不循环小数。4.如权利要求1至3中任意一项所述的智能化药物毒性判断方法，其特征在于，所述LSTM模型包括输入门、遗忘门和输出门，所述药物编码集输入至所述输入门，将所述输入门内的记忆单元激活后，所述记忆单元依次读取所述药物编码集的编码，并基于激活函数激活所述编码后输入至遗忘门；所述遗忘门接收所述记忆单元依次输入的编码，并基于遗忘法计算所述编码并输入至输出门得到训练值，所述遗忘法为：ft＝δ(wt[ht-1，xt]+bt)其中，ft为所述遗忘门的输出数据，xt为所述输入的编码，t为所述遗忘门接收所述输入编码的当前时间，t-1为所述当前时间的前一个时间，ht-1为所述输出门在所述当前时间的前一个时间的输出数据，wt为所述当前时间的权重，bt为所述当前时间的偏置，[]为矩阵乘法操作，δ表示所述sigmoid函数。5.如权利要求1所述的智能化药物毒性判断方法，其特征在于，所述损损失值ξ为：其中，n为所述药物编码集的数量，为所述训练值，yi为所述标签集。6.一种智能化药物毒性判断装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处...

【专利技术属性】
技术研发人员：王健宗，彭俊清，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44