申请/专利权人：重庆邮电大学

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117809854A

主分类号：G16H50/70

分类号：G16H50/70;G16H10/60;G06N3/0499;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明属于人工智能技术领域，具体涉及一种基于医学因果知识嵌入的危险因素因果关系提取方法，包括：获取临床数据和医学因果知识；根据临床数据和医学因果知识获取疾病危险因素之间的因果结构；对因果结构进行修正；将修正后的因果结构输入到前馈神经网络中，得到识别结果；根据识别结果计算模型的损失函数；根据损失函数对权重Θt进行更新，得到ΘT；根据更新后的权重ΘT构建疾病危险因素之间的因果结构；本发明将深度学习引入到因果发现中，将数据驱动与知识驱动相结合，提高了危险因素因果关系提取的准确度。

主权项：1.一种基于医学因果知识嵌入的危险因素因果关系提取方法，其特征在于，包括：获取临床数据和医学因果知识；根据临床数据和医学因果知识获取疾病危险因素之间的因果结构；对因果结构进行修正，将修正后的因果结构输入到训练后的前馈神经网络中，得到疾病危险因素之间的因果结构；对前馈神经网络进行训练包括：S1、获取临床数据和医学因果知识，对临床数据进行预处理；S2、根据预处理后的临床数据构建前馈神经网络的初始权重Θt；S3、将医学因果知识构建有向无环图，并将有向无环图注入到前馈神经网络中，得到识别结果；S4、根据识别结果计算模型的损失函数；S5、根据损失函数对权重Θt进行更新，得到ΘT；S6、根据更新后的权重ΘT构建疾病危险因素之间的因果结构G；S7、调整模型的损失函数，当损失函数收敛时，完成模型的训练。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于医学因果知识嵌入的危险因素因果关系提取方法

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