公开(公告)号：CN116403706A

公开(公告)日：2023-07-07

申请号：CN202310455550.1

申请日：2023-04-25

Applicant: 南京邮电大学

Inventor： 徐鹤 ,  朱静抒 ,  程海涛 ,  王汝传 ,  李鹏 ,  刘尚东 ,  季一木 ,  许硕洋 ,  杨丹丹 ,  鲍善军

IPC: G16H50/20 ,  G16H50/70 ,  G06F40/30 ,  G06F40/295 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/042 ,  G06N3/08

Abstract: 一种融合知识扩展和卷积神经网络的糖尿病预测方法，构建了一种以词嵌入向量和文本嵌入向量作为双通道输入的语义增强卷积神经网络模型，使得模型能够关注到更为重要的糖尿病特征并捕捉到更细粒度的糖尿病语义信息，从而提高了对糖尿病的诊断准确率；解决对大规模糖尿病领域标注数据的强依懒性和糖尿病领域知识的缺乏性等问题，设计了在糖尿病诊断过程引用外部知识的方法可以对数据集起到一个数据增强效果，并减少深度学习模型训练所需数据；解决了医疗数据集的小规模导致深度学习模型学习结果泛化能力不强，无法获得满意糖尿病预测结果问题。

公开(公告)号：CN116168828A

公开(公告)日：2023-05-26

申请号：CN202310154603.6

申请日：2023-02-22

Applicant: 南京邮电大学

Inventor： 徐鹤 ,  朱静抒 ,  王汝传 ,  程海涛 ,  李鹏 ,  季一木

IPC: G16H50/20 ,  G06F16/36 ,  G06F40/289 ,  G06F18/2415 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供一种基于知识图谱和深度学习的疾病预测方法、装置及计算机设备，通过获得疾病异常指标与病情自述文本，获得异常指标表示矩阵Y与病情自述文本表示矩阵X，拼接后得到融合表示矩阵；由病情自述文本结合医学知识图谱，构建与实体相连关系的疾病知识子图；分别获得疾病知识子图的实体向量矩阵和实体上下文向量矩阵，对齐叠加得到叠加表示矩阵；将融合表示矩阵和叠加表示矩阵连接在一起获得特征融合矩阵，将特征融合矩阵输入到卷积神经网络模型即CNN模型，获得预测结果；本发明不仅通过疾病异常指标与病情自述文本，还通过引入知识图谱这一知识决策，能够获得更精准的预测结果，能够实现更准确地综合智能辅助诊断。