【技术实现步骤摘要】
本专利技术涉及生物医学数据分类，具体是指基于人工智能的生物医学大数据分类方法及系统。
技术介绍
1、基于人工智能的生物医学大数据分类方法及系统，利用人工智能算法对来源广泛、结构复杂的生物医学数据（如基因表达、病历记录等）进行高效预处理、特征提取与智能分类，从而实现疾病风险预测、病症分型和个体化诊疗的目标，该系统通过模型训练与知识挖掘，提升数据解析能力和分类准确性，助力医学研究与临床决策，已成为现代精准医疗和智慧医疗体系的重要技术支撑。
2、但是，在已有的生物医学大数据分类方法中，存在着现有的方法，缺乏对生物功能结构的建模、忽略基因间互作背景，导致分类模型生物解释性差、泛化能力不足的技术问题；在已有的动态知识库构建方法中，存在着通用知识图谱不能区分疾病特异性、生物通路信息缺乏动态更新能力，难以适配不同疾病情境或时间演化规律的技术问题；在已有的生物医学大数据分类过程中，存在着神经网络容易过拟合无生物基础的伪特征、缺乏与生物网络结构的融合手段，导致对关键通路信号的捕捉能力弱的技术问题；在已有的特征筛选方法中，存在着传统方法仅依赖统...
【技术保护点】
1.基于人工智能的生物医学大数据分类方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于人工智能的生物医学大数据分类方法，其特征在于：在步骤S1中，所述大数据收集，用于收集生物医学大数据分类所需的原始数据集，具体为通过多源数据采集，从医院信息系统和公开数据库中，提取得到生物医学原始数据集，并通过依次进行数据清洗优化和标准结构化，进行基本数据处理，得到结构化生物医学原始数据矩阵。
3.根据权利要求2所述的基于人工智能的生物医学大数据分类方法，其特征在于：在步骤S2中，所述动态知识库构建，用于构建疾病特异性的通路性动态生物知识图谱，...
【技术特征摘要】
1.基于人工智能的生物医学大数据分类方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于人工智能的生物医学大数据分类方法，其特征在于：在步骤s1中，所述大数据收集，用于收集生物医学大数据分类所需的原始数据集，具体为通过多源数据采集，从医院信息系统和公开数据库中，提取得到生物医学原始数据集，并通过依次进行数据清洗优化和标准结构化，进行基本数据处理，得到结构化生物医学原始数据矩阵。
3.根据权利要求2所述的基于人工智能的生物医学大数据分类方法，其特征在于：在步骤s2中，所述动态知识库构建，用于构建疾病特异性的通路性动态生物知识图谱，具体为依据所述结构化生物医学原始数据矩阵，采用结合知识图谱的动态语义生物医学知识通路化构建方法，进行动态知识库构建，得到动态知识通路图谱，包括以下步骤：
4.根据权利要求3所述的基于人工智能的生物医学大数据分类方法，其特征在于：在步骤s4中，所述生物约束损失优化，用于构建神经网络并改进损失函数，具体为依据所述分类网络约束矩阵和所述动态知识通路图谱，采用结合分层生物正则化损失的深度神经网络，进行生物约束损失优化，得到优化特征权重向量，包括以下步骤：
5.根据权利要求4所述的基于人工智能的生物医学大数据分类方法，其特征...
【专利技术属性】
技术研发人员：李振华，唐家乐，刘辰宇，陈思翰，叶颍莹，何莉，张劲松，贾璐瑶，范若辰，
申请(专利权)人：暨南大学，
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。