一种基于神经网络模型的药品不良事件检测方法及系统技术方案

本发明专利技术公开了一种基于神经网络模型的药品不良事件检测方法及系统，涉及自然语言处理和文本挖掘技术领域，采用了多层方法，包括预训练语言模型BioBERT、树结构的神经网络模型Tree‑Transformer和自定义多头注意力机制，并结合了词性标注矩阵和依存关系矩阵，增强模型对药物不良反应的理解，使其具有多功能性和强健性，能够有效捕获更复杂的语言模式，显著提高了药物不良反应检测的准确性和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及自然语言处理和文本挖掘，更具体的说是涉及一种基于神经网络模型的药品不良事件检测方法及系统。

技术介绍

1、目前，在现代医学和临床研究领域，药品不良事件(adverse drug events,ade)的检测和分析一直是一个挑战性任务。随着医疗数据的快速增长，尤其是来自电子健康记录、临床报告和患者自述的文本数据，有效地识别和分析这些文本中的关键医学信息变得尤为重要。药品不良事件的准确检测为药品安全监管、患者护理和医疗决策提供了重要支持，有助于减少医疗错误和提高患者安全。

2、在早期阶段，药品不良事件的检测主要依赖于医疗专业人员的经验判断和手动分析，这不仅效率低下，而且容易受到个人偏见和经验限制的影响。随着计算机科学和自然语言处理技术的发展，研究人员开始尝试使用各种机器学习算法来自动化这一过程，例如使用朴素贝叶斯、支持向量机(svm)和随机森林等传统算法对文本数据进行特征提取和分类。

3、近年来，深度学习技术的崛起为药品不良事件的检测带来了新的视角和方法，通过卷积神经网络(cnn)、循环神经网络(rnn)、长短时记忆网络(本文档来自技高网...

【技术保护点】

1.一种基于神经网络模型的药品不良事件检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，S1的数据预处理具体内容为：

3.根据权利要求1所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，S2中对所述生物医学文本中的单词序列和所述实体跨度信息进行词嵌入的具体内容为：

4.根据权利要求3所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，S3的具体步骤为：

5.根据权利要求1所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，S4的具体步骤为：<...

【技术特征摘要】

1.一种基于神经网络模型的药品不良事件检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，s1的数据预处理具体内容为：

3.根据权利要求1所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，s2中对所述生物医学文本中的单词序列和所述实体跨度信息进行词嵌入的具体内容为：

4.根据权利要求3所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，s3的具体步骤为：

5.根据权利要求1所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，s4的具体步骤为：

6.根据权利要求1所述的一种基于神经网络模型的药品不良事件检测方法，其特征在于，s5中预测实体和关系的具体步骤为：

7.根据权利要求1所述的一种基于神经网络模型的药品不良事...

【专利技术属性】
技术研发人员：任亚峰，王子霖，
申请(专利权)人：广东外语外贸大学，
类型：发明
国别省市：