-
公开(公告)号：CN116504331B
公开(公告)日：2024-07-26
申请号：CN202310479801.X
申请日：2023-04-28
Applicant: 东北林业大学
Abstract: 基于多模态和多任务的药物副作用的频率分数预测方法，本发明涉及深度学习技术预测药物副作用的频率分数方法。本发明的目的是为了解决现有的计算方法对药物和副作用关联关系判别准确率低，以及对药物和副作用的频率分数预测准确率低的问题。过程为：一、获得药物分子的化学结构语义特征、药物分子的化学序列语义特征、药物的生物医学文本特征和副作用的生物医学文本特征；得到药物副作用对；二、计算药物的相似性信息和副作用的相似性信息；得到药物副作用对；三、将学习到的药物副作用对串联送入多层感知机进行预测，预测药物和副作用间是否存在关联并且存在关联时药物和副作用的频率分数。本发明属于药物与副作用之间的频率预测技术领域。
-
公开(公告)号：CN116504331A
公开(公告)日：2023-07-28
申请号：CN202310479801.X
申请日：2023-04-28
Applicant: 东北林业大学
Abstract: 基于多模态和多任务的药物副作用的频率分数预测方法，本发明涉及深度学习技术预测药物副作用的频率分数方法。本发明的目的是为了解决现有的计算方法对药物和副作用关联关系判别准确率低，以及对药物和副作用的频率分数预测准确率低的问题。过程为：一、获得药物分子的化学结构语义特征、药物分子的化学序列语义特征、药物的生物医学文本特征和副作用的生物医学文本特征；得到药物副作用对；二、计算药物的相似性信息和副作用的相似性信息；得到药物副作用对；三、将学习到的药物副作用对串联送入多层感知机进行预测，预测药物和副作用间是否存在关联并且存在关联时药物和副作用的频率分数。本发明属于药物与副作用之间的频率预测技术领域。
-
Search Results
2
records
(took 0.026 seconds)
