申请/专利权人：北京诺道认知医学科技有限公司;河北医科大学第一医院

申请日：2023-06-25

公开（公告）日：2024-06-11

公开（公告）号：CN116994699B

主分类号：G16H20/10

分类号：G16H20/10;G16H70/40;G06N3/04;G06N3/084

优先权：["20230331 CN 2023103394786"]

专利状态码：有效-授权

法律状态：2024.06.11#授权;2023.11.21#实质审查的生效;2023.11.03#公开

摘要：本发明提供一种基于深度学习的文拉法辛剂量个体化推荐方法及装置，属于信息处理技术领域，包括：获取个体特征信息，其中，所述个体特征信息包括以下维度特征信息中的至少一项：人体体征信息、用药历史剂量信息和综合用药信息；将所述个体特征信息输入到xDeepFM剂量预测模型，输出文拉法辛剂量预测信息，其中，所述xDeepFM剂量预测模型包括压缩交互网络和深度神经网络；其中，所述xDeepFM剂量预测模型是基于携带有文拉法辛剂量标签的个体特征样本信息训练得到的。

主权项：1.一种基于深度学习的文拉法辛剂量个体化推荐装置，其特征在于，包括：获取模块，用于获取个体特征信息，其中，所述个体特征信息包括以下维度特征信息中的至少一项：人体体征信息、用药历史剂量信息和综合用药信息；输入模块，用于将所述个体特征信息输入到xDeepFM剂量预测模型，输出文拉法辛剂量预测信息，其中，所述xDeepFM剂量预测模型包括压缩交互网络和深度神经网络；其中，所述xDeepFM剂量预测模型是基于携带有文拉法辛剂量标签的个体特征样本信息训练得到的；其中，所述装置还用于：对个体特征信息中的各个所述维度特征信息进行嵌入，得到各个所述维度特征信息的嵌入向量；将各个所述维度特征信息的所述嵌入向量输入到所述压缩交互网络，输出压缩交互网络的输出向量；将各个所述维度特征信息的所述嵌入向量输入到所述深度神经网络，输出最后一层所述深度神经网络层的输出向量；将所有所述维度特征信息的嵌入向量、压缩交互网络的输出向量以及最后一层所述深度神经网络层的输出向量进行加权，输出文拉法辛剂量预测信息；其中，所述将各个所述维度特征信息的所述嵌入向量输入到所述压缩交互网络，输出压缩交互网络的输出向量，包括：将各个所述维度特征信息的所述嵌入向量输入到所述压缩交互网络，所述压缩交互网络对各个所述维度特征信息的所述嵌入向量利用哈达玛积，得到各层压缩交互网络层对应的特征交互矩阵；对每层所述压缩交互网络层对应的特征交互矩阵进行池化，得到每层所述压缩交互网络层对应的输出向量；将各层所述压缩交互网络层对应的输出向量进行横向连接，输出所述压缩交互网络的输出向量；其中，所述将各个所述维度特征信息的所述嵌入向量输入到所述深度神经网络，输出最后一层所述深度神经网络层的输出向量，包括：将各个所述维度特征信息的所述嵌入向量输入到所述深度神经网络，所述深度神经网络对各个所述维度特征信息的嵌入向量进行拼接，作为初始深度神经网络层的输入向量；将所述初始深度神经网络层的输入向量与所述初始深度神经网络层对应的权重矩阵，经过相乘和非线性变换处理，得到所述初始深度神经网络层的输出向量；每层所述深度神经网络层结合上一层所述深度神经网络层的输出向量，与各层所述深度神经网络层对应的权重矩阵，经过相乘和非线性变换处理，得到各层所述深度神经网络层的输出向量；输出最后一层所述深度神经网络层的输出向量。

全文数据：

权利要求：

百度查询： 北京诺道认知医学科技有限公司;河北医科大学第一医院 基于深度学习的文拉法辛剂量个体化推荐方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD