【技术实现步骤摘要】
基于机器学习的急性脑梗死中药方剂治疗效果预测系统
[0001]本专利技术涉及药物疗效预测
，特别是涉及基于机器学习的急性脑梗死中药方剂治疗效果预测系统。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]目前对急性脑梗死的药物研发，面临药效不足、药物不良反应评估不全等问题，因此继续发展新的针对急性脑梗死疾病的药物治疗效果预测系统。
[0004]专利技术人发现，现有的药物疗效筛选方法往往没有考虑中药方剂，或者没有考虑到中药方剂中哪些中药才是影响治疗效果的关键药物；导致，现有的药物疗效分析系统的药物疗效预测精度不够准确。
[0005]针对中国专利技术专利，授权公告号CN109411033B，专利名称：一种基于复杂网络的药物疗效筛选方法，专利技术人认为，虽然其解决了药物疗效的筛选，但是其没有解决急性脑梗死这类疾病的药物疗效筛选，更没有解决针对急性脑梗死这类疾病的中药类方剂的药物疗效筛选。
技术实现思路
[0006]为了解决现有...
【技术保护点】
【技术特征摘要】
1.基于机器学习的急性脑梗死中药方剂治疗效果预测系统，其特征是，包括：获取模块，其被配置为：获取待预测的急性脑梗死中药方剂；模型生成模块，其被配置为：将所述待预测的急性脑梗死中药方剂中的每一种中药作为一个节点，为当前方剂中包含的所有中药两两之间建立无向边，生成复杂网络模型；贴近度计算模块，其被配置为：基于所述复杂网络模型，计算每个节点的相对贴近度；特征选择模块，其被配置为：对待预测的急性脑梗死中药方剂中所有节点的相对贴近度按照降序进行排序，选择排序靠前的若干种相对贴近度作为当前中药方剂样本的特征；预测模块，其被配置为：基于当前中药方剂样本的特征和训练后的机器学习模型，得到当前中药方剂的治疗效果预测结果。2.如权利要求1所述的基于机器学习的急性脑梗死中药方剂治疗效果预测系统，其特征是，所述特征选择模块与预测模块之间，还设有特征预处理模块；所述特征预处理模块，被配置为：对选择的当前中药方剂样本的特征进行归一化处理和降维处理。3.如权利要求1所述的基于机器学习的急性脑梗死中药方剂治疗效果预测系统，其特征是，所述将所述待预测的急性脑梗死中药方剂中的每一种中药作为一个节点，为当前方剂中包含的所有中药两两之间建立无向边，生成复杂网络模型；具体包括：将所述待预测的急性脑梗死中药方剂中的每一种中药为一个节点，为当前方剂中包含的所有中药两两之间建立无向边，生成复杂网络模型。4.如权利要求1所述的基于机器学习的急性脑梗死中药方剂治疗效果预测系统，其特征是，所述基于所述复杂网络模型，计算每个节点的相对贴近度；具体步骤包括：基于所述复杂网络模型，计算每个节点的若干个属性；所述每个节点的属性，包括：每个节点的度、每个节点的中介中心性、每个节点的接近中心性和每个节点的邻接信息熵；基于每个节点的所有属性，计算每个节点的相对贴近度。5.如权利要求1所述的基于机器学习的急性脑梗死中药方剂治疗效果预测系统，其特征是，所述基于所述复杂网络模型，计算每个节点的相对贴近度；具体步骤包括：基于所述复杂网络模型，计算每个节点的若干个属性；所述每个节点的属性，包括：每个节点的度、每个节点的中介中心性、每个节点的接近中心性和每个节点的邻接信息熵；基于每个节点的度、每个节点的中介中心性、每个节点的接近中心性和每个节点的邻接信息熵，构建标准化后的加权决策矩阵；取标准化后的加权决策矩阵每列的最大值作为最优解，将最优解加入到最优解集合；取标准化后的加权决策矩阵每列的最小值作为最劣解，将最劣解加入到最劣解集合；利用最优解集合、最劣解集合以及标准化后的加权决策矩阵每行数据，计算节点的相对熵；基于每个节点的相对熵，计算每个节点的相对贴近度。...
【专利技术属性】
技术研发人员：王正中，耿世超，李小宁，王琳，廖星，胡瑞学，李慧敏，
申请(专利权)人：中国中医科学院中医临床基础医学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。