-
Patent Agency Ranking
公开(公告)号：CN114005507A
公开(公告)日：2022-02-01
申请号：CN202111113981.7
申请日：2021-09-23
Applicant: 厦门大学
Abstract: 一种基于知识图谱的临床用药风险评估方法和系统，利用真实处方数据和药物说明书数据构建用药风险知识图谱，并利用机器学习技术挖掘医疗数据中的超说明书用药风险，补全医疗知识图谱中的用药风险，最终得到一个全面完整的医疗知识图谱，利用其检测临床处方风险。采用本发明的医疗知识图谱来提取相应特征以此判断超风险用药风险，具有优异的提取效率和准确率。
-
公开(公告)号：CN111797624A
公开(公告)日：2020-10-20
申请号：CN202010621850.9
申请日：2020-06-30
Applicant: 厦门大学附属第一医院
IPC: G06F40/289 , G06F40/242 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于NLP的药品名片自动提取方法，方法具体包括如下步骤：步骤S1，对药品说明书进行预处理，构造训练集、验证集和测试集；步骤S2，加载训练集和验证集，进行数据封装和数据读取；步骤S3，加载BERT模型的配置数据和模型特征进行目标模型的参数初始化过程，构建BERT-BILSTM-CRF模型，训练BERT-BILSTM-CRF模型；步骤S4，利用训练好的BERT-BILSTM-CRF模型，加载测试集，对测试集数据预测输出药品名片字段内容。本发明提供的基于NLP的药品名片自动提取方法，有效提高提取效率和准确率，极大地减少人力成本。
-
公开(公告)号：CN111968715B
公开(公告)日：2022-11-01
申请号：CN202010623195.0
申请日：2020-06-30
Applicant: 厦门大学
Abstract: 本发明公开了一种基于病历数据和药物相互作用风险的药物推荐建模方法，方法具体包括如下步骤：S100：从病历数据、门诊病历数据以及TWOSIDES药物相互作用数据中进行异构特征提取操作；S200：根据提取的多源异构特征构建药物推荐序列生成模型；S300：在药物推荐序列生成模型中输入患者病历，模型计算输出推荐用药信息。本发明提供的基于病历数据和药物相互作用风险的药物推荐建模方法，通过自动从海量历史病例数据和药物相互作用信息中学习和建模，给出药物推荐信息，对临床药物合理联用提供准确有效的决策依据，同时降低药物不良反应的发生率，为用户的用药安全提供有效保障。
-
公开(公告)号：CN114005507B
公开(公告)日：2024-07-19
申请号：CN202111113981.7
申请日：2021-09-23
Applicant: 厦门大学
Abstract: 一种基于知识图谱的临床用药风险评估方法和系统，利用真实处方数据和药物说明书数据构建用药风险知识图谱，并利用机器学习技术挖掘医疗数据中的超说明书用药风险，补全医疗知识图谱中的用药风险，最终得到一个全面完整的医疗知识图谱，利用其检测临床处方风险。采用本发明的医疗知识图谱来提取相应特征以此判断超风险用药风险，具有优异的提取效率和准确率。
-
公开(公告)号：CN111968715A
公开(公告)日：2020-11-20
申请号：CN202010623195.0
申请日：2020-06-30
Applicant: 厦门大学
Abstract: 本发明公开了一种基于病历数据和药物相互作用风险的药物推荐建模方法，方法具体包括如下步骤：S100：从病历数据、门诊病历数据以及TWOSIDES药物相互作用数据中进行异构特征提取操作；S200：根据提取的多源异构特征构建药物推荐序列生成模型；S300：在药物推荐序列生成模型中输入患者病历，模型计算输出推荐用药信息。本发明提供的基于病历数据和药物相互作用风险的药物推荐建模方法，通过自动从海量历史病例数据和药物相互作用信息中学习和建模，给出药物推荐信息，对临床药物合理联用提供准确有效的决策依据，同时降低药物不良反应的发生率，为用户的用药安全提供有效保障。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
