【技术实现步骤摘要】
技术介绍
技术实现思路
1、本专利技术的技术任务是提供一种基于药物重要性表示学习的药物推荐方法和系统，以解决现有药物推荐系统中病人个性化药物推荐以及推荐结果不准确的问题。该方法和系统实现了一种药物重要性表示学习的神经网络结构，药物重要性表示能够使模型从病人视角和药物空间共同捕捉药物的深层特征，从而帮助系统在病人每次就诊时推荐更加准确的药物。本专利技术提出了药物重要性表示学习的神经网络结构：该结构从药物-病人匹配的角度，将候选药物与病人诊断进行深度匹配，通过分析病人的电子健康记录来从病人视角和药物空间共同捕捉药物的深层特征；其核心思想是通过病人编码器和药物编码器对每个药物和病人信息分别提取药物向量表示和病人向量表示，然后通过重要性信息感知模块建模药物的时间依赖性，并结合病人向量表示从药物中提取个性化的重要性信息，与药物向量表示进行匹配，得到具有重要性感知的药物向量表示,之后再聚合全局药物向量表示信息，得到最终的药物向量表示。本专利技术通过重要性感知的药物向量表示建模，能够更加精准地为患者推荐符合其健康状况和治疗需求的药物。
2、本专利技术的技术任务是按以下方式实现的，一种基于药物重要性表示学习的药物推荐方法，该方法包括如下步骤：
3、s1、构建药物推荐模型的数据集：首先下载网络上公开的医疗数据集，然后预处理数据集，最后按比例构建训练数据、验证数据和测试数据，组合生成最终的数据集；
4、s2、构建基于药物重要性表示学习的药物推荐模型：利用神经网络和深度学习方法
5、s3、训练模型：在步骤s1所得到的数据集中对步骤s2构建的药物推荐模型进行训练。
6、一种基于药物重要性表示学习的药物推荐系统，该系统包括：
7、药物推荐数据集生成单元，用于下载网络上已经公布的医疗数据集，随后对其进行预处理操作，从而得到符合训练要求的患者的诊断、治疗手段信息和处方信息；
8、基于药物重要性表示学习的药物推荐模型构建单元，用于构建病人编码器、药物编码器、重要性信息感知模块、药物预测模块；
9、模型训练单元，用于构建模型训练过程中所需要的损失函数，并完成模型的优化训练。
10、一种存储介质，其中存储有多条指令，所述指令由处理器加载，执行上述的as基于药物重要性表示学习的药物推荐方法的步骤。
11、一种电子设备，所述电子设备包括：上述的存储介质；以及处理器，用于执行所述存储介质中的指令。
12、技术效果
13、本专利技术的基于药物重要性表示学习的药物推荐方法和系统具有以下优点：
14、(1)、本专利技术提出的基于药物重要性表示学习的药物推荐方法，深入挖掘了个性化的药物信息，能够较全面的建模药物向量表示，从而提升药物推荐的准确性；
15、(2)本专利技术通过药物编码器和病人编码器模块建模了初步药物向量表示和两种病人向量表示，为重要性信息感知模块和预测模块提供较为全面的病人和药物的信息；
16、(3)、本专利技术通过重要性信息感知模块深入挖掘了药物对于患者的重要性感知信息，以生成带有重要性信息的药物向量表示，进一步优化了药物推荐模型的个性化推荐能力；
17、(4)、本专利技术通过重要性信息感知模块学习药物的时间依赖性，并聚合全局药物的表示，从而提升药物推荐模型的性能；
18、(5)、本专利技术通过药物预测模块根据病人的独特表示与带有全面信息的药物向量表示，准确地输出各个药物的推荐得分。
本文档来自技高网...【技术保护点】
1.基于药物重要性表示学习的药物推荐方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤S2中构建基于药物重要性表示学习的药物推荐模型的病人编码器的具体步骤如下：
3.根据权利要求1所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤S2中构建基于药物重要性表示学习的药物推荐模型的药物编码器的具体步骤如下：
4.根据权利要求1所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤S2中构建基于药物重要性表示学习的药物推荐模型的重要性信息感知模块的具体步骤如下：
5.根据权利要求4所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤S2中构建基于药物重要性表示学习的药物推荐模型的药物预测模块的具体步骤如下：
6.根据权利要求1所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤S3中，在步骤S1所得到的数据集中对步骤S2构建的药物推荐模型进行训练，具体步骤如下：
7.基于药物重要性表示学习的药物推
8.一种存储介质，其中存储有多条指令，其特征在于，所述指令由处理器加载，执行权利要求1-6所述的基于药物重要性表示学习的药物推荐方法的步骤。
9.一种电子设备，其特征在于，所述电子设备包括：权利要求8所述的存储介质；以及处理器，用于执行所述存储介质中的指令。
...【技术特征摘要】
1.基于药物重要性表示学习的药物推荐方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤s2中构建基于药物重要性表示学习的药物推荐模型的病人编码器的具体步骤如下：
3.根据权利要求1所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤s2中构建基于药物重要性表示学习的药物推荐模型的药物编码器的具体步骤如下：
4.根据权利要求1所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤s2中构建基于药物重要性表示学习的药物推荐模型的重要性信息感知模块的具体步骤如下：
5.根据权利要求4所述的基于药物重要性表示学习的药物推荐方法，其特征在于，所述步骤s2中构建基于药物重要性表示学习的药物推荐模型...
【专利技术属性】
技术研发人员：冯军，郝文晖，刘毅，
申请(专利权)人：海南榕树家信息科技有限公司，
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。