[发明专利]一种药物-疾病关系识别方法、系统和装置有效
| 申请号： | 201711103409.6 | 申请日： | 2017-11-10 |
| 公开（公告）号： | CN108062556B | 公开（公告）日： | 2021-09-14 |
| 发明（设计）人： | 李占潮;邹小勇;戴宗 | 申请（专利权）人： | 广东药科大学;中山大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G16H20/10 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 胡辉 |
| 地址： | 510240 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 药物 疾病 关系 识别 方法 系统 装置 | ||
1.一种药物-疾病关系识别方法，其特征在于，包括以下步骤：
获取待识别药物-疾病关系对所对应的药物-疾病关系二维矩阵和/或灰度图；
将获得的药物-疾病关系二维矩阵和/或灰度图输入到卷积神经网络中进行处理，从而输出药物-疾病关系识别结果；
所述将获得的药物-疾病关系二维矩阵和/或灰度图输入到卷积神经网络中进行处理这一步骤之前，设有建立卷积神经网络的步骤，所述建立卷积神经网络的步骤具体包括：
获取药物-疾病数据库中的药物-疾病关系对所对应的药物-疾病关系二维矩阵、灰度图和药物-疾病关系值，利用所得的药物-疾病关系二维矩阵和灰度图构建输入数据正样本，利用所得药物-疾病关系值构建输出数据正样本；
获取药物-疾病数据库外的药物-疾病关系对所对应的药物-疾病关系二维矩阵、灰度图和药物-疾病关系值，利用所得药物-疾病关系二维矩阵和灰度图构建输入数据负样本，利用所得药物-疾病关系值构建输出数据负样本；
抽选输入数据正样本和输入数据负样本从而分别构建训练输入数据集和测试输入数据集；抽选输出数据正样本和输出数据负样本从而分别构建训练输出数据集和测试输出数据集；
用训练输入数据集以及训练输出数据集训练卷积神经网络，用测试输入数据集以及测试输出数据集测试卷积神经网络；
将训练和测试结束后得到的卷积神经网络作为所需建立的卷积神经网络。
2.根据权利要求1所述一种药物-疾病关系识别方法，其特征在于，所述药物-疾病数据库外的药物-疾病关系对，其通过以下步骤来获取得到：
随机选择药物-疾病数据库中药物-疾病关系对的药物和疾病，匹配成新的药物-疾病关系对；
判断新的药物-疾病关系对是否已存在于药物-疾病数据库中，若是，重新进行上一步骤，反之，将新的药物-疾病关系对作为所需获取的药物-疾病数据库外药物-疾病关系对。
3.根据权利要求1或2所述一种药物-疾病关系识别方法，其特征在于，所述药物-疾病关系对所对应的药物-疾病关系二维矩阵和灰度图，其通过以下步骤来获取得到：
获取药物-疾病关系对中药物的药物分子结构信息，根据药物分子结构信息得到分子指纹描述符；
获取药物-疾病关系对中疾病的疾病信息，根据疾病信息得到疾病症状向量；
根据分子指纹描述符和疾病症状向量，从而构建药物-疾病关系二维矩阵和灰度图。
4.根据权利要求3所述一种药物-疾病关系识别方法，其特征在于，所述根据分子指纹描述符和疾病症状向量，从而构建药物-疾病关系二维矩阵和灰度图这一步骤中，使用以下公式构建药物-疾病关系二维矩阵：
式中，表示药物Di和疾病dj关系二维矩阵；
表示药物Di和疾病dj关系二维矩阵中第m行、第n列的元素；
Di表示第i个药物分子，dj表示第j个疾病；
Di(m)表示第i个药物分子的指纹描述符中的第m个元素；
dj(n)表示第j个疾病的疾病症状向量中的第n个元素。
5.根据权利要求3所述一种药物-疾病关系识别方法，其特征在于，所述根据分子指纹描述符和疾病症状向量，从而构建药物-疾病关系二维矩阵和灰度图这一步骤中，使用以下方法构建灰度图：
利用Matlab软件中的imwrite命令对药物-疾病关系二维矩阵进行处理，从而得到对应的灰度图。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东药科大学;中山大学，未经广东药科大学;中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711103409.6/1.html，转载请声明来源钻瓜专利网。
