本发明专利技术公开了一种基于人工智能的药物特征信息确定方法及装置，涉及智能医疗技术领域，主要目的在于解决现有药物特征信息确定准确性差的问题。主要包括：获取目标药物的药物分子结构图像数据；基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分类处理，得到分子结构图像分类结果，所述图像分类模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对图卷积网络进行分层池化后，完成训练得到的；调取与所述分子结构图像分类结果匹配的药物特征处理流程；基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操作，得到所述目标药物的药物特征信息。主要用于基于人工智能的药物特征信息的确定。药物特征信息的确定。药物特征信息的确定。
【技术实现步骤摘要】
基于人工智能的药物特征信息确定方法及装置
[0001]本专利技术涉及一种智能医疗
，特别是涉及一种基于人工智能的药物特征信息确定方法及装置。
技术介绍
[0002]近年来，智能医疗技术的应用领域已经从临床治疗逐步向药物研发方向发展，越来越多的人工智能技术涉足于药物对不同病症的适用情况的分析，从而准确找到适用于临床治疗的药物。尤其是针对药物的分子结构进行研究，从而基于药物特征来确定适合患者的治疗方案或者病症的治疗。目前，现有基于药物分子结构的研究均是采用物理实验方式来确定药物特征，然而，这样的药物分子结构识别过程较慢，无法有效的使用到临床治疗中，从而使得基于药物特征匹配病症在智能医疗中的使用效率较低，因此，亟需一种基于人工智能的药物特征信息确定方法来解决上述问题。
技术实现思路
[0003]有鉴于此，本专利技术提供一种基于人工智能的药物特征信息确定方法及装置，主要目的在于解决现有药物特征信息确定准确性差的问题。
[0004]依据本专利技术一个方面，提供了一种基于人工智能的药物特征信息确定方法，包括：
[0005]获取目标药物的药物分子结构图像数据；
[0006]基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分类处理，得到分子结构图像分类结果，所述图像分类模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对图卷积网络进行分层池化后，完成训练得到的；
[0007]调取与所述分子结构图像分类结果匹配的药物特征处理流程；
[0008]基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操作，得到所述目标药物的药物特征信息。
[0009]进一步地，所述基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分类处理，得到分子结构图像分类结果之前，所述方法还包括：
[0010]基于药物分子结构的节点数、邻接矩阵以及特征矩阵构建图卷积网络；
[0011]确定图拓扑增强的自注意力机制，并将所述自注意力机制引入所述图卷积网络的输入层，以进行分子结构节点特征的挖掘；
[0012]基于所述药物分子结构图像数据中解析得到的图拓扑结构，确定辅助信息，并基于所述辅助信息对所述引入所述自注意力机制的图卷积网络的各网络层进行池化，所述辅助信息包括所述药物分子结构图像数据的全局结构信息以及局部结构信息；
[0013]通过分子结构图像样本数据对完成池化后的图卷积网络进行模型训练，得到图像分类模型。
[0014]进一步地，所述确定图拓扑增强的自注意力机制包括：
[0015]基于初等残差对所述图卷积网络的输入层构建跳跃连接，并通过恒等映射对权重
矩阵进行单位化处理，将单位化处理后的所述图卷积网络与自注意力机制结合，得到图拓扑增强的自注意力机制。
[0016]进一步地，所述调取与所述分子结构图像分类结果匹配的药物特征处理流程之前，所述方法还包括：
[0017]接收对所述药物分子结构图像数据触发的分子分类任务，所述分子分类任务用于表征对不同药物分子结构图像数据执行所述药物特征处理流程中对应的处理节点；
[0018]所述调取与所述分子结构图像分类结果匹配的药物特征处理流程包括：
[0019]解析所述分子分类任务中所述药物分子结构图像数据的处理节点，并基于分类处理得到的分子结构图像分类结果与所述处理节点进行匹配，所述处理节点为所述药物特征处理流程中执行药物分子组成特征、药物分子属性特征以及药物分子结构匹配中的至少一个；
[0020]调取与所述分子结构图像分类结果所匹配的至少一个处理节点。
[0021]进一步地，所述基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操作，得到所述目标药物的药物特征信息包括：
[0022]计算所述分子结构图像分类结果分别与所述药物分子组成特征、所述药物分子属性特征以及所述药物分子结构之间的相似度；
[0023]若所述分子结构图像分类结果与所述药物分子组成特征的第一相似度大于预设第一相似度阈值，则确定包含所述药物分子组成特征的药物特征信息；和/或，
[0024]若所述分子结构图像分类结果与所述药物分子属性特征的第二相似度大于预设第二相似度阈值，则确定包含所述药物分子属性特征的药物特征信息；和/或，
[0025]若所述分子结构图像分类结果与所述药物分子结构的第三相似度大于预设第三相似度阈值，则确定包含所述药物分子结构的药物特征信息。
[0026]进一步地，所述基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操作，得到所述目标药物的药物特征信息之后，所述方法还包括：
[0027]获取疾病特征数据库，判断所述药物特征信息与所述疾病特征数据库中的各疾病特征信息是否具有对抗性属性；
[0028]若具有所述对抗性属性，则输出所述疾病特征信息。
[0029]进一步地，所述判断所述药物特征与所述疾病特征数据库中的各疾病特征信息是否具有对抗性属性包括：
[0030]获取对抗性属性列表，所述对抗性属性列表中记录有不同疾病特征信息的生物学特征信息、化学特征信息，分别与不同药物特效信息之间是否具有医疗关联的标记；
[0031]基于所述药物特征信息与所述生物学特征信息、所述化学特征信息所对应的标记判断是否具有对抗性属性。
[0032]依据本专利技术另一个方面，提供了一种基于人工智能的药物特征信息确定装置，包括：
[0033]获取模块，用于获取目标药物的药物分子结构图像数据；
[0034]处理模块，用于基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分类处理，得到分子结构图像分类结果，所述图像分类模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对图卷积网络进行分层池化后，完成训练得
到的；
[0035]调取模块，用于调取与所述分子结构图像分类结果匹配的药物特征处理流程；
[0036]匹配模块，用于基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操作，得到所述目标药物的药物特征信息。
[0037]进一步地，所述装置还包括：
[0038]构建模块，用于基于药物分子结构的节点数、邻接矩阵以及特征矩阵构建图卷积网络；
[0039]确定模块，用于确定图拓扑增强的自注意力机制，并将所述自注意力机制引入所述图卷积网络的输入层，以进行分子结构节点特征的挖掘；
[0040]解析模块，用于基于所述药物分子结构图像数据中解析得到的图拓扑结构，确定辅助信息，并基于所述辅助信息对所述引入所述自注意力机制的图卷积网络的各网络层进行池化，所述辅助信息包括所述药物分子结构图像数据的全局结构信息以及局部结构信息；
[0041]训练模块，用于通过分子结构图像样本数据对完成池化后的图卷积网络进行模型训练，得到图像分类模型。
[0042]进一步地，所述确定模块，具体用于基于初等残差对所述图卷积网络的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的药物特征信息确定方法，其特征在于，包括：获取目标药物的药物分子结构图像数据；基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分类处理，得到分子结构图像分类结果，所述图像分类模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对图卷积网络进行分层池化后，完成训练得到的；调取与所述分子结构图像分类结果匹配的药物特征处理流程；基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操作，得到所述目标药物的药物特征信息。2.根据权利要求1所述的方法，其特征在于，所述基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分类处理，得到分子结构图像分类结果之前，所述方法还包括：基于药物分子结构的节点数、邻接矩阵以及特征矩阵构建图卷积网络；确定图拓扑增强的自注意力机制，并将所述自注意力机制引入所述图卷积网络的输入层，以进行分子结构节点特征的挖掘；基于所述药物分子结构图像数据中解析得到的图拓扑结构，确定辅助信息，并基于所述辅助信息对所述引入所述自注意力机制的图卷积网络的各网络层进行池化，所述辅助信息包括所述药物分子结构图像数据的全局结构信息以及局部结构信息；通过分子结构图像样本数据对完成池化后的图卷积网络进行模型训练，得到图像分类模型。3.根据权利要求2所述的方法，其特征在于，所述确定图拓扑增强的自注意力机制包括：基于初等残差对所述图卷积网络的输入层构建跳跃连接，并通过恒等映射对权重矩阵进行单位化处理，将单位化处理后的所述图卷积网络与自注意力机制结合，得到图拓扑增强的自注意力机制。4.根据权利要求1所述的方法，其特征在于，所述调取与所述分子结构图像分类结果匹配的药物特征处理流程之前，所述方法还包括：接收对所述药物分子结构图像数据触发的分子分类任务，所述分子分类任务用于表征对不同药物分子结构图像数据执行所述药物特征处理流程中对应的处理节点；所述调取与所述分子结构图像分类结果匹配的药物特征处理流程包括：解析所述分子分类任务中所述药物分子结构图像数据的处理节点，并基于分类处理得到的分子结构图像分类结果与所述处理节点进行匹配，所述处理节点为所述药物特征处理流程中执行药物分子组成特征、药物分子属性特征以及药物分子结构匹配中的至少一个；调取与所述分子结构图像分类结果所匹配的至少一个处理节点。5.根据权利要求4所述的方法，其特征在于，所述基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操作，得到所述目标药物的药物特征信息包括：计算所述分子结构图像分类结果分别与所述药物分子组成特征、所...
【专利技术属性】
技术研发人员：王俊，
申请(专利权)人：平安科技深圳有限公司，
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。