Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 武汉海云健康科技股份有限公司黎云获国家专利权

武汉海云健康科技股份有限公司黎云获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉武汉海云健康科技股份有限公司申请的专利一种基于多任务学习的个性化用药推荐方法、设备及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118737369B

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410738461.2,技术领域涉及:G16H20/10;该发明授权一种基于多任务学习的个性化用药推荐方法、设备及存储介质是由黎云;袁冲;高峰;李涛;刘燕君;沈章;吕静设计研发完成,并于2024-06-07向国家知识产权局提交的专利申请。

一种基于多任务学习的个性化用药推荐方法、设备及存储介质在说明书摘要公布了:本发明公开了一种基于多任务学习的个性化用药推荐方法、设备及存储介质,该方法包括以下步骤:步骤1获取用户的医疗健康数据;步骤2根据用户的医疗健康数据,获得用户医疗健康特征表示;步骤3构建医学知识图谱,根据知识图谱中药物实体的信息,获得药物特征表示;步骤4根据用户医疗健康特征表示和药物特征表示,利用预测函数模型学习用户医疗健康与药物之间的交互情况,计算得到两者发生交互的概率;步骤5根据步骤4中获得的概率对药物进行排序,将top‑k的药物推荐给用户。本发明基于多任务学习的思想,充分融合医疗健康数据和医学知识图谱中的有效信息,显著提升个性化用药推荐结果的准确性和推荐结果的可解释性。

本发明授权一种基于多任务学习的个性化用药推荐方法、设备及存储介质在权利要求书中公布了:1.一种基于多任务学习的个性化用药推荐方法,其特征在于,包括以下步骤: 步骤1获取用户的医疗健康数据; 用户的医疗健康数据包括用户的年龄、性别以及体重在内的生理特征信息、所患疾病信息、所做手术信息、历史用药信息和体检信息; 步骤2根据用户的医疗健康数据,获得用户医疗健康特征表示; 步骤3构建医学知识图谱,根据医学知识图谱中药物实体的信息,获得药物特征表示; 所述医学知识图谱为医学知识的实体关系三元组,实体包括药物、疾病、不良反应;关系为实体之间的关系; 其中,根据知识图谱中药物实体的信息,获得药物特征表示,具体如下: 引入一个控制用药推荐与知识图嵌入之间交叉信息传递的信息互补模块,该模块执行以下步骤: 交叉步骤,根据药物的特征表示和该药物对应实体的特征表示生成它们之间的交互矩阵,交互矩阵揭示药物和实体之间的相互作用程度; 压缩步骤,利用学习到的交互矩阵将药物和实体的嵌入映射到统一的特征空间,即在下一层生成更新后的药物和实体嵌入表示; 对于药物item的特征向量v和知识图谱中与item相关联的实体向量e,首先在第l层为它们的潜在特征和构建d×d的成对相互作用: 其中是为第l层的交叉特征矩阵,d为隐藏层的维度大小; 然后,通过将该交叉特征矩阵投影到药物和实体的潜在表示空间中,生成下一层的特征向量:和其中,和表示可训练权重,和为相应的偏差向量; 对于药物v,使用信息互补模块对用户的药物特征进行编码,利用医学知识图谱中的有效信息,为药物提供丰富的特征表示,将其编码为一个新的特征向量vL; 步骤4根据用户医疗健康特征表示和药物特征表示,利用预测函数模型学习用户医疗健康与药物之间的交互情况,计算得到两者发生交互的概率; 步骤5根据步骤4中获得的概率对药物进行排序,将top-k的药物推荐给用户。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人武汉海云健康科技股份有限公司,其通讯地址为:430000 湖北省武汉市东湖新技术开发区高新大道426号华新总部基地/栋/单元-2、1-22层(2)研发B6层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。