“疾病药物”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果517404个，建议您升级VIP下载更多相关专利

[发明专利]基于深度自编码和自适应融合的药物新用途预测方法-CN202011419919.6在审
发明人：陈鹏;赵建成;鲍天嘉智;余肖生 -专利权人：三峡大学
申请日： 2020-12-07 - 公布日： 2021-04-16 - 主分类号： G16H70/40 文献下载
摘要：本发明公开了基于深度自编码和自适应融合的药物新用途预测方法，包括：将药物化学结构数据和药物靶蛋白数据融合、降维，得到药物特征数据；利用药物特征数据，计算药物相似度，通过药物相似度计算药物‑疾病关联预测值；利用药物副作用数据，计算药物相似度，通过药物相似度计算药物‑疾病关联预测值；使用药物‑疾病关联数据计算疾病相似度，通过疾病相似度计算药物‑疾病关联预测值；分别确定计算的药物‑疾病关联预测值的权重；融合计算的药物‑疾病关联预测值，得到融合后的药物对疾病的预测值。本发明融合分别基于药物相似度、疾病相似度计算得到的药物‑疾病关联预测值，得到融合后的药物对疾病的预测值，提高了预测结果的准确度。
基于深度编码自适应融合药物用途预测方法

[发明专利]基于多相似度融合的药物新用途预测方法-CN202011418728.8在审
发明人：陈鹏;鲍天嘉智;赵建成;余肖生 -专利权人：三峡大学
申请日： 2020-12-07 - 公布日： 2021-03-26 - 主分类号： G16C20/30 文献下载
摘要：本发明公开了基于多相似度融合的药物新用途预测方法，包括：利用药物化学结构数据计算药物相似度；利用药物靶蛋白数据计算药物相似度；利用药物副作用数据计算药物相似度；对计算得到的药物相似度进行融合，得到融合的药物相似度；利用融合的药物相似度，计算药物‑疾病关联预测值；利用药物‑疾病数据计算疾病相似度，基于疾病相似度计算药物‑疾病关联预测值；对计算的药物‑疾病关联预测值进行融合，得到融合的药物‑疾病关联预测值。本发明对基于药物相似度计算得到的药物‑疾病关联预测值，和基于疾病相似度计算得到的药物‑疾病关联预测值加权求和，得到融合后的药物对疾病的预测值，提高了预测值的可靠性和精确性。
基于多相融合药物用途预测方法

[发明专利]药物疾病关联预测方法、装置、电子设备和可读存储介质-CN202210615417.3在审
发明人：李龙飞 -专利权人：京东方科技集团股份有限公司
申请日： 2022-05-31 - 公布日： 2022-08-09 - 主分类号： G16C20/50 文献下载
摘要：本公开提供一种药物疾病关联预测方法、装置、电子设备和可读存储介质。药物疾病关联预测方法包括：获取各第一类型节点与药物节点之间的第一药物嵌入，获取各第二类型节点与疾病节点之间的第一疾病嵌入；根据第一药物嵌入的权重和第一药物嵌入的融合特征获得第二药物嵌入，根据第一疾病嵌入的权重和第一疾病嵌入的融合特征获得第二疾病嵌入；根据预设药物与疾病关联关系更新第二药物嵌入获得第三药物嵌入，以及根据预设药物与疾病关联关系更新第二疾病嵌入获得第三疾病嵌入；根据第三药物嵌入和第三疾病嵌入生成药物节点对应的目标药物针对疾病节点对应的目标疾病的关联预测结果本公开实施例能够提高对于药物疾病关联性预测的处理速度。
药物疾病关联预测方法装置电子设备可读存储介质

[发明专利]数据挖掘方法及装置、存储介质、电子设备-CN201811351545.1有效
发明人：闫峻;王磊 -专利权人：金色熊猫有限公司
申请日： 2018-11-14 - 公布日： 2021-03-09 - 主分类号： G16H50/70 文献下载
摘要：所述方法包括：根据已知疾病药物关系在语料库中挖掘关系模板；根据所述关系模板在所述语料库中获取新的疾病药物关系；根据所述新的疾病药物关系构建疾病药物关系网络；在所述疾病药物关系网络中挖掘潜在疾病药物关系；通过真实医疗数据中的疾病药物关系记录对所述潜在疾病药物关系进行验证，并将通过验证的所述潜在疾病药物关系确定为目标疾病药物关系。本公开大大的降低了挖掘潜在疾病药物关系的成本，提高了挖掘效率，同时提高了潜在疾病药物关系的挖掘准确率，此外，还提高了潜在疾病药物关系的验证准确率和验证效率，降低了验证成本。
数据挖掘方法装置存储介质电子设备

[发明专利]基于深度图神经网络的药物-疾病关联预测方法-CN202310228158.3在审
发明人：滕志霞;李永亮;董本志;汪国华 -专利权人：东北林业大学
申请日： 2023-03-10 - 公布日： 2023-06-27 - 主分类号： G16B15/30 文献下载
摘要：本发明公开了一种基于深度图神经网络的药物‑疾病关联预测方法，包括：得到药物和疾病的多源特征数据以及药物‑疾病的原始关联矩阵；采用高斯核函数分别构建药物和疾病的相似性矩阵，对原始关联矩阵进行随机游走；分别将药物和疾病的相似性矩阵输入至两个独立的图神经网络中进行监督学习，提取药物和疾病的特征表示；利用矩阵整合药物和疾病的特征表示，得到本次的药物‑疾病预测关联矩阵；将本次的药物‑疾病预测关联矩阵代替随机游走后的药物‑疾病关联矩阵，使两个图神经网络重复进行上述监督学习，直至满足预设优化目标本发明可更好的获取药物与疾病之间的相互作用信息，提高潜在的药物‑疾病关联预测精度。
基于深度神经网络药物疾病关联预测方法

[发明专利]基于强化对称度量学习和图卷积网络的药物重定位方法-CN202310200920.7在审
发明人：罗慧敏;朱春丽 -专利权人：河南大学
申请日： 2023-03-03 - 公布日： 2023-06-30 - 主分类号： G16B15/30 文献下载
摘要：本发明涉及生物信息学技术领域，具体涉及基于强化对称度量学习和图卷积网络的药物重定位方法，该方法包括：通过整合药物和疾病的关联及生物医学信息构建药物‑疾病异构网络。该异构网络包含药物‑药物相似性网络，疾病‑疾病相似性网络和药物‑疾病关联网络。应用图卷积网络学习药物和疾病的节点特征，预测潜在的药物‑疾病关联，以补充缺失的药物‑疾病关联信息。利用带有自适应边际的强化对称度量学习方法，学习药物和疾病的潜在向量表示，考虑了以药物为中心和疾病为中心的对称学习。基于在统一的度量向量空间中学习的潜在向量表示，通过度量函数识别新的药物‑疾病关联。本发明简单有效，在药物重定位预测方面具有较好的性能。
基于强化对称度量学习图卷网络药物定位方法

[发明专利]一种药物疾病匹配数据库-CN202011276181.2在审
发明人：段震;王艾 -专利权人：上海陶术生物科技有限公司
申请日： 2020-11-16 - 公布日： 2021-01-26 - 主分类号： G16H20/10 文献下载
摘要：本发明的一种药物疾病匹配数据库，包括药物信息数据库，药物信息数据库用于存储所有药物信息数据；匹配数据库，匹配数据库用于存储药物治疗疾病的相关数据；疾病信息数据库，疾病信息数据库用于存储所有疾病的信息数据，包括疾病对应的症状、并发症状和疾病的名称、别称等，匹配数据库分别与药物信息数据库、疾病信息数据库通信连接，匹配数据库还通信连接有交互模块，交互模块输入需要查找药物的疾病信息，疾病信息可以为症状或者确诊的具体的疾病名称，匹配数据库根据疾病信息数据库中存储的数据进行待分析疾病的确认，当疾病确认后从药物信息数据库调取与待分析疾病相关的药物信息并生成治疗方案。
一种药物疾病匹配数据库

[发明专利]一种基于药物分类图神经网络的药物重定位方法及系统-CN202210219786.0有效
发明人：赵思成;朱嘉静;刘勇国;张云;李巧勤;陆鑫;傅翀 -专利权人：电子科技大学
申请日： 2022-03-08 - 公布日： 2023-04-28 - 主分类号： G16C20/50 文献下载
摘要：本发明公开了一种基于药物分类图神经网络的药物重定位方法及系统，属于药物重定位技术领域，所述方法为：分别构建药物属性异构边网络G1和疾病属性网络G2；分别对药物属性边异构网络G1和疾病属性网络G2进行特征提取，对应得到药物属性矩阵A和疾病属性矩阵B；构建药物疾病关联网络G3；得到药物嵌入矩阵U和疾病嵌入矩阵V；基于药物嵌入矩阵U和疾病嵌入矩阵V，训练边置信MLP网络，得到训练好的MLP网络，并使用训练好的MLP网络对药物重定位；本发明分阶段建立药物属性网络、疾病属性网络和药物疾病关联异构网络，充分提取药物属性特征、疾病属性特征以及药物疾病关联的空间拓扑特征，有效提高了药物重定位准确度。
一种基于药物分类神经网络定位方法系统

[发明专利]基于变分自编码器的药物-疾病关联预测方法-CN202110496613.9有效
发明人：鱼亮;陈生建 -专利权人：西安电子科技大学
申请日： 2021-05-07 - 公布日： 2023-05-12 - 主分类号： G16H20/10 文献下载
摘要：本发明提出了一种基于变分自编码器的药物‑疾病关联预测方法，主要解决现有技术预测药物‑疾病关联精度较低的问题，包括如下步骤：(1)构建药物‑疾病关联矩阵A和疾病‑药物关联矩阵B；(2)构建药物特征矩阵C和疾病特征矩阵D；(3)搭建基于变分自编码器的药物‑疾病关联预测模型H；(4)对基于变分自编码器的药物‑疾病关联预测模型H进行迭代训练；(5)获取药物‑疾病关联预测结果Y。本发明降低了噪音和数据缺失对预测结果的影响，充分提取了复杂数据的隐含信息，有效提高了药物‑疾病关联预测的精度，可用于药物重定位的药物候选。
基于编码器药物疾病关联预测方法

[发明专利]基于图学习的药物疾病关联关系预测方法及相关设备-CN202310151866.1在审
发明人：雷柏英;唐嘉兰;陈玮琳;汪天富 -专利权人：深圳大学
申请日： 2023-02-15 - 公布日： 2023-07-04 - 主分类号： G16H70/40 文献下载
摘要：本发明公开了一种基于图学习的药物疾病关联关系预测方法及相关设备，方法包括：获取药物相似度网络和获取疾病相似度网络；根据药物相似度网络获取各待判断药物对应的药物特征向量，根据疾病相似度网络获取各待判断疾病对应的疾病特征向量，根据上述药物特征向量和上述疾病特征向量进行组合获得多个组合特征向量，分别获取各上述组合特征向量对应的药物疾病关联关系，其中，一个上述组合特征向量由一个上述药物特征向量和一个上述疾病特征向量拼接获得，一个组合特征向量对应的药物疾病关联关系是该组合特征向量对应的待判断药物和待判断疾病之间的关联关系本发明有利于提高药物疾病关联关系预测的准确性。
基于学习药物疾病关联关系预测方法相关设备

[发明专利]多视角自注意力预测药物与疾病关联的方法-CN202310747670.9在审
发明人：许俊林;尚旭东;颜思慧;卢长城;孟亚洁;唐贤方;杨家亮;田埂 -专利权人：元码基因科技（北京）股份有限公司
申请日： 2023-06-21 - 公布日： 2023-09-12 - 主分类号： G16H70/40 文献下载
摘要：本发明公开一种多视角自注意力预测药物与疾病关联的方法，包括：初始化药物和疾病的多视图嵌入；从多视图嵌入中提取和集成特征，得到药物特征和疾病特征；基于自注意力的特征融合组件将药物特征和疾病特征融合，得到药物‑疾病特征对；通过解码器对药物‑疾病特征对进行解码，并计算药物和疾病之间关联的可能性，基于解码结果和计算结果得到药物与疾病关联预测模型。
视角注意力预测药物疾病关联方法

[发明专利]一种药物-疾病关联关系分析系统及方法-CN201710642650.X有效
发明人：张振中;李慧;沈晨音 -专利权人：京东方科技集团股份有限公司
申请日： 2017-07-31 - 公布日： 2020-05-12 - 主分类号： G16H50/70 文献下载
摘要：本发明公开一种药物‑疾病关联关系分析系统及方法，涉及医学数据分析技术领域，以区分药物‑疾病的治疗关系，以及药物‑疾病的副作用，以准确选择药物治疗疾病。所述分析系统包括数据收集模块，被配置为收集药物信息、疾病信息和包括治疗关系和/或副作用关系的药物‑疾病关联关系信息数据；与数据收集模块连接的学习模块，被配置为根据数据收集模块所收集的数据构建药效关系模型，以利用药效关系模型分析包括治疗关系和/或副作用关系的药物‑疾病关联关系。本发明提供的药物‑疾病关联关系分析系统用于分析药物疾病的关联关系。
一种药物疾病关联关系分析系统方法

[发明专利]一种基于数据库的药物疾病匹配方法-CN202011278798.8在审
发明人：段震;王艾 -专利权人：上海陶术生物科技有限公司
申请日： 2020-11-16 - 公布日： 2021-01-26 - 主分类号： G16H20/10 文献下载
摘要：本发明的一种基于数据库的药物疾病匹配方法，输入需要获取治疗药物的疾病名称，匹配数据库根据疾病名称从疾病信息数据库匹配相应的疾病数据，并获取疾病数据对应的药物数据，匹配数据库根据药物数据从药物信息数据库获取所需的治疗药物并生成治疗方案，且生成治疗方案的过程中需要考虑药物的副作用和疾病的并发症，治疗方案更加实用。
一种基于数据库药物疾病匹配方法

[发明专利]基于图正则化矩阵分解的药物疾病关联关系的预测方法-CN202211615901.2在审
发明人：李臻;张元明;赵海光 -专利权人：青岛大学
申请日： 2022-12-15 - 公布日： 2023-04-18 - 主分类号： G16H70/40 文献下载
摘要：本发明公开了一种基于图正则化矩阵分解的药物疾病关联关系的预测方法。本发明方法根据各疾病的向无环图提取各疾病之间的语义相似性，再结合现有数据库中各疾病与药物之间的关联关系，利用图卷积方法提取疾病特征构建疾病特征矩阵，确定各疾病之间的余弦相似性并与语义相似性相融合，得到基于有向无环图的疾病关联关系后，再根据现有数据库中的药物特征构建药物特征矩阵，结合疾病特征矩阵，建立药物分子与疾病之间的关联矩阵，基于图正则化与核方法的矩阵分解算法对关联矩阵进行特征分解，通过构建目标函数，优化药物相似性网络和疾病相似性网络中节点的近邻关系，充分利用了疾病特征和药物特征，实现了对药物与疾病之间关联关系的精确预测。
基于正则矩阵分解药物疾病关联关系预测方法

[发明专利]一种药物-疾病关联预测方法-CN202310209456.8在审
发明人：罗韬;刘思凯 -专利权人：天津大学
申请日： 2023-03-07 - 公布日： 2023-05-26 - 主分类号： G16H70/40 文献下载
摘要：本发明涉及一种药物‑疾病关联预测方法，包括下列步骤：步骤一，提取药物‑疾病关联的邻域子图：以药物‑疾病关联网络中的药物和疾病为节点，药物和疾病间的关系为边创建二部图，并构建关联网络的邻接矩阵；提取相关药物节点和疾病节点的h‑hop邻域；将药物节点和疾病节点的h‑hop邻域合并为药物‑疾病关联的h‑hop邻域子图；提取每条关联对应的邻域子图作为模型训练的正样本，同时随机选择相同数量的没有关联的药物‑疾病对生成负样本测试数据
一种药物疾病关联预测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条