【技术实现步骤摘要】
本专利技术涉及临床智能辅助诊疗，具体涉及一种变分深度生成的中医处方推荐方法及系统。
技术介绍
1、中医智能处方推荐方法可以分为基于主题模型、基于图模型和基于生成模型的处方推荐。基于主题模型的处方推荐通常会将给定的处方文本视为由各种潜在主题组成的文档，然后根据从数据中发现的症状及中药的潜在主题分布进行推荐。例如，yao等人建立的ptm模型是通过考虑药草药和症状的先验知识，以实现处方推荐的建模过程。wang等人提出的kgetm模型是利用transe学习症状与草药的关系，并将得到的知识图谱嵌入集成到主题模型实现处方推荐。基于图的处方推荐模型通过构建图以学习患者、症状、中药和处方等的特征表示，然后将特征表示应用在处方推荐过程中。例如，jin等人提出了证候感知的多图卷积网络smgcn，在多个图上利用gcn学习症状和中药的嵌入和交互，最终实现中药推荐。yang等人提出了一种基于多图残差注意力网络和语义知识融合的中药推荐模型(smrgat)，旨在根据症状的语义信息和不同药物对症状的影响强度，推荐能够治疗症状并符合中医配伍原则的中药。
2、...
【技术保护点】
1.一种变分深度生成的中医处方推荐方法，其特征在于，包括：
2.根据权利要求1所述的变分深度生成的中医处方推荐方法，其特征在于，患者表征学习模块的目标是从症状集sset的多热编码向量xs中学习疾病和症状之间的复杂关系，得到患者表示向量z的后验分布q(z|x)，并根据分布生成患者表示。
3.根据权利要求2所述的变分深度生成的中医处方推荐方法，其特征在于，患者表征学习模块首先接收xs作为输入，通过深度神经网络捕捉症状与患者之间的相关性，从中提取症状的特征表示作为患者的显示表示部分；为了拓展患者的隐式表示空间，假设所有患者表示的分布p(z)服从标准正...
【技术特征摘要】
1.一种变分深度生成的中医处方推荐方法，其特征在于，包括：
2.根据权利要求1所述的变分深度生成的中医处方推荐方法，其特征在于，患者表征学习模块的目标是从症状集sset的多热编码向量xs中学习疾病和症状之间的复杂关系，得到患者表示向量z的后验分布q(z|x)，并根据分布生成患者表示。
3.根据权利要求2所述的变分深度生成的中医处方推荐方法，其特征在于，患者表征学习模块首先接收xs作为输入，通过深度神经网络捕捉症状与患者之间的相关性，从中提取症状的特征表示作为患者的显示表示部分；为了拓展患者的隐式表示空间，假设所有患者表示的分布p(z)服从标准正态分布并从中采样得到ε作为患者的隐式表示部分；分别提取患者的显式症状表示部分和隐式表示部分，使模型在生成推荐处方时既考虑到患者的明显症状，又充分利用隐含的信息。
4.根据权利要求3所述的变分深度生成的中医处方推荐方法，其特征在于，为了不改变患者表示的分布，将显示表示分为两部分μ和σ，最后计算即可得到完整的患者表示向量z＝ε⊙σ+μ作为处方推荐模块的输入，用于生成对中药的评分；
5.根据权利要求3所述的变分深度生成的中医处方推荐方法，其特征在于，在中药概率生成模块中，构建了一个多层卷积神经网络，以患者表示为输入，生成各个中药的推荐概率；然后，利用一个成对中药排序优化损失函数，评估生成结果与真实处方的差距，同时加入了多尺度对比损失，...
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。