典型文献
融合医学本体知识的药物推荐算法
文献摘要：
针对传统的药物推荐技术忽略了医疗编码体系中蕴含的本体分类信息,导致推荐效率不高的问题,提出了一种融合图神经网络技术和注意力机制的药物推荐算法.首先通过图神经网络学习医学本体图中的分类关系,对医疗代码进行嵌入表示;其次将医疗表示输入结合注意力机制的循环神经网络中捕捉患者病历信息特征,同时引入药物相互作用知识,通过图神经网络学习药物相互作用关系;最后进行多标签分类来输出推荐药物.算法在电子病历数据集上进行试验,结果如下:F1值为63.09％,杰卡德相似系数为47.43％,精确度调用曲线值为71.64％,优于对比的其他方法.试验结果表明本算法能够丰富医疗代码表示,提升药物推荐的准确率,并且降低推荐药物组合中相互作用概率.本算法能够向医生推荐合适的药物,对医疗智能化发展具有一定的参考价值.
文献关键词：
药物推荐;图神经网络;注意力机制
中图分类号：
作者姓名：
洪高枫;黄杰;万健
作者机构：
浙江科技学院信息与电子工程学院,杭州310023
文献出处：
引用格式：
[1]洪高枫;黄杰;万健-.融合医学本体知识的药物推荐算法)[J].浙江科技学院学报,2022(03):233-241
A类：
B类：
本体知识,药物推荐,推荐算法,编码体系,分类信息,效率不高,图神经网络,神经网络技术,注意力机制,神经网络学习,嵌入表示,循环神经网络,信息特征,入药,药物相互作用,相互作用关系,多标签分类,电子病历,历数,卡德,相似系数,调用,其他方法,代码表示,升药,药物组合,医生推荐,智能化发展
AB值：
0.359826
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
