[发明专利]药物对相互作用关系的预测方法、设备及介质在审

专利信息
申请号: 202210263559.8 申请日: 2022-03-17
公开(公告)号: CN114678141A 公开(公告)日: 2022-06-28
发明(设计)人: 唐继军;窦明亮;郗文辉;郭菲 申请(专利权)人: 中国科学院深圳理工大学(筹)
主分类号: G16H70/40 分类号: G16H70/40;G16H20/10;G06F16/81;G06F16/832;G06F16/951;G06F40/295;G06F40/30;G06N3/04;G06N3/08
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 任敏
地址: 518000 广东省深*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 药物 相互作用 关系 预测 方法 设备 介质
【权利要求书】:

1.一种药物对相互作用关系的预测方法,其特征在于,所述方法包括:

获取目标文本;所述目标文本中包括多种药物,每种药物在所述目标文本中出现至少一次;

分别确定所述每种药物对应的综合实体表示,所述综合实体表示用于描述对应的药物在所述目标文本中的各个位置处的语义信息;

针对所述多种药物中的任一药物对,根据所述药物对中的两种药物的综合实体表示确定所述药物对的融合实体表示;

根据所述药物对的融合实体表示,预测所述药物对的相互作用关系。

2.根据权利要求1所述的方法,其特征在于,所述获取目标文本,包括:

获取初始文本,所述初始文本中包括所述多种药物,每种药物在所述初始文本中出现至少一次;

若所述初始文本中存在使用药物共享后缀的药物名称,则对所述药物名称进行扩充,得到所述目标文本。

3.根据权利要求1所述的方法,其特征在于,所述分别确定所述每种药物对应的综合实体表示,包括:

针对任一种所述药物,分别确定所述药物在所述目标文本中的多个位置;

根据所述多个位置,分别生成每个位置对应的文本序列;

对每个位置对应的所述文本序列进行向量处理,得到所述综合实体表示。

4.根据权利要求3所述的方法,其特征在于,所述对每个位置对应的所述文本序列进行向量处理,得到所述综合实体表示,包括:

分别对每个位置对应的所述文本序列进行向量表示,对应得到多个文本向量;每个所述文本向量用于描述所述药物在与对应位置处的语义信息;

将每个所述文本向量进行向量整合,生成所述药物的综合实体表示。

5.根据权利要求1-4任一项所述的方法,其特征在于,所述分别确定所述每种药物对应的综合实体表示,所述综合实体表示用于描述对应的所述药物在所述目标文本中的各个位置处的语义信息;针对所述多种药物中的任一药物对,根据所述药物对中的两种药物的综合实体表示确定所述药物对的融合实体表示;根据所述药物对的融合实体表示,预测所述药物对的相互作用关系,包括:

将所述目标文本输入至预训练的药物关系预测模型中进行处理,得到所述多种药物中的每一所述药物对的相互作用关系。

6.根据权利要求5所述的方法,其特征在于,所述药物关系预测模型包括第一激活层、第二激活层、第一全连接层和第二全连接层;所述根据所述药物对中的两种药物的综合实体表示确定所述药物对的融合实体表示,包括:

将所述两种药物的综合实体表示依次输入所述第一激活层以及所述第一全连接层中,得到所述两种药物分别对应的目标向量;

将两种所述目标向量进行拼接,并将拼接后的所述目标向量依次输入至所述第二激活层以及所述第二全连接层中,得到所述融合实体表示。

7.根据权利要求5所述的方法,其特征在于,所述药物关系预测模型是根据训练集训练得到,所述训练集的获取方式为:

获取原始数据集,所述原始数据集包括多个原始文本;

分别统计每个所述原始文本中包含的药物数量;

筛选所述原始数据集中包含至少两种药物的原始文本,得到原始数据子集;

对所述原始数据子集中的每个所述原始文本进行标签处理,得到所述训练集。

8.根据权利要求7所述的方法,其特征在于,所述对所述原始数据子集中的每个所述原始文本进行标签处理,得到所述训练集,包括:

获取所述原始文本中包含的每种药物对,以及各种药物对之间的关系标签;

若存在具备多种关系标签的药物对,则根据预设的标签优先级,将所述多种关系标签中优先级高的关系标签确定为所述药物对的关系标签。

9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳理工大学(筹),未经中国科学院深圳理工大学(筹)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210263559.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top