-
公开(公告)号：CN117352189B
公开(公告)日：2024-03-15
申请号：CN202311663738.1
申请日：2023-12-06
Applicant: 中南大学
IPC: G16H50/70 , G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/048 , G06N3/08 , G06Q10/063 , G06Q50/22
Abstract: 本发明提供一种基于高阶拓扑结构的异常行为评估方法、系统及设备，该方法包括如下步骤：获取目标医院的历史诊疗数据；通过特征统计算法从历史诊疗数据中提取异常行为特征；结合历史诊疗数据和异常行为特征构建目标医院的异质图网络；基于编码器和对比损失函数构建图神经网络模型，并利用图神经网络模型从异质图网络中提取高阶拓扑结构特征；结合高阶拓扑结构特征和异常行为特征构建目标医院的异常行为评估模型；将历史诊疗数据输入至异常行为评估模型，并通过异常行为评估模型评估目标医院中的异常行为。本发明具有提升异常行为评估模型准确性的效果。
-
公开(公告)号：CN117540734B
公开(公告)日：2024-04-09
申请号：CN202410037568.4
申请日：2024-01-10
Applicant: 中南大学
IPC: G06F40/279 , G06F40/242 , G06F40/284 , G06F40/30 , G06N5/022 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/098 , G16H10/20
Abstract: 本发明提供一种中文医学实体标准化方法、装置及设备，所述方法包括：预处理历史中文医学实体标准化数据；构建融合词格结构和医学语言模型的语义提取模型；利用语义提取模型构建基于动态负采样策略的候选生成模型架构；构建用于进行候选概念排序和概念数预测的联合学习模型架构；采用对抗训练算法，通过历史中文医学实体标准化数据对候选生成模型架构、联合学习模型架构进行训练，得到候选生成模型，以及联合学习模型；基于候选生成模型、联合学习模型处理待标准化的中文医学实体，得到对应的标准化结果。本发明的中文医学实体标准化方法用于高效、准确地对中文医学实体进行标准化处理。
-
公开(公告)号：CN117540734A
公开(公告)日：2024-02-09
申请号：CN202410037568.4
申请日：2024-01-10
Applicant: 中南大学
IPC: G06F40/279 , G06F40/242 , G06F40/284 , G06F40/30 , G06N5/022 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/098 , G16H10/20
Abstract: 本发明提供一种中文医学实体标准化方法、装置及设备，所述方法包括：预处理历史中文医学实体标准化数据；构建融合词格结构和医学语言模型的语义提取模型；利用语义提取模型构建基于动态负采样策略的候选生成模型架构；构建用于进行候选概念排序和概念数预测的联合学习模型架构；采用对抗训练算法，通过历史中文医学实体标准化数据对候选生成模型架构、联合学习模型架构进行训练，得到候选生成模型，以及联合学习模型；基于候选生成模型、联合学习模型处理待标准化的中文医学实体，得到对应的标准化结果。本发明的中文医学实体标准化方法用于高效、准确地对中文医学实体进行标准化处理。
-
公开(公告)号：CN117352189A
公开(公告)日：2024-01-05
申请号：CN202311663738.1
申请日：2023-12-06
Applicant: 中南大学
IPC: G16H50/70 , G06F18/2433 , G06F18/213 , G06N3/042 , G06N3/048 , G06N3/08 , G06Q10/063 , G06Q50/22
Abstract: 本发明提供一种基于高阶拓扑结构的异常行为评估方法、系统及设备，该方法包括如下步骤：获取目标医院的历史诊疗数据；通过特征统计算法从历史诊疗数据中提取异常行为特征；结合历史诊疗数据和异常行为特征构建目标医院的异质图网络；基于编码器和对比损失函数构建图神经网络模型，并利用图神经网络模型从异质图网络中提取高阶拓扑结构特征；结合高阶拓扑结构特征和异常行为特征构建目标医院的异常行为评估模型；将历史诊疗数据输入至异常行为评估模型，并通过异常行为评估模型评估目标医院中的异常行为。本发明具有提升异常行为评估模型准确性的效果。
-
-
-
Search Results
4
records
(took 0.02 seconds)
