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

AITNT
正文
推荐专利
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
申请号:CN202510864957
申请日期:2025-06-26
公开号:CN120673947A
公开日期:2025-09-19
类型:发明专利
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
1
一种长距并行隧道线路智能设计方法
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
2
一种基于排放优化的混合动力输出控制方法及装置
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
3
屏幕显示检测电路及其检测方法、显示装置、芯片
对象 图像处理模块 显示装置 标识 屏幕显示电路
4
一种基於深度强化学习的自动驾驶车辆导航方法
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
5
智能绿化破碎机清堵系统及方法
破碎机 风险预测模型 智能绿化 三维结构 清堵系统
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号