基于改进双曲图神经网络模型的疾病分析系统

本发明公开了一种基于改进双曲图神经网络模型的疾病分析系统，结合双曲空间嵌入、高阶谱滤波与自适应机制，提升对医疗知识图谱中多尺度结构特征的表达与推理能力。系统通过引入基于勒让德多项式构建的高阶谱滤波器，可在频域中提取更丰富的结构特征；利用自适应阶数，自动调整滤波器感受野范围以适应不同图结构；并通过对数映射与神经分类器实现疾病节点分类与关系预测。实验结果表明，本发明在疾病图谱节点分类与链接预测任务中相较现有方法具备更高准确率与更低损失值，能够优化结构化医疗知识体系，补全医学图谱信息，发现潜在病症关联与药物连接，具备良好的临床应用前景。