摘要
本发明提供了一种基于分层交互图神经网络的临床试验结果预测方法及系统,该方法包括:将临床试验信息进行编码;对药物嵌入向量和进行疾病嵌入向量预训练;构建交互图,该交互图包括四层节点;以交互图作为输入,并根据试验结果定义交互图的标签,利用改进的图卷积网络的更新规则增强节点嵌入,引入可学习的层无关注意矩阵计算边的重要性权重,以根据重要性权重自适应调整节点间信息的传递权重;构建改进的图卷积网络的损失函数,并根据损失函数完成对改进的图卷积网络的训练。本发明能够能够为临床试验结果的预测提供更准确、可靠的解决方案,具有重要的应用价值。
技术关键词
节点间信息
药物
网络
Sigmoid函数
风险
分层
定义标签
矩阵
编码
单层
药代动力学
注意力模型
生成疾病
模型训练模块
可读存储介质
系统为您推荐了相关专利信息
广义回归神经网络
新建隧道
智能设计方法
地层损失率
粒子群算法
动力输出控制方法
深度神经网络模型
支持向量机
尾气
发动机
深度Q网络
车辆导航方法
深度强化学习
车辆自动驾驶技术
动作策略
破碎机
风险预测模型
智能绿化
三维结构
清堵系统