買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉清華大學;皖南醫學院弋磯山醫院申請的專利一種基于深度神經網絡的融合表型和分子信息的中藥處方人工智能評價方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115376658B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202110736888.5，技術領域涉及：G16H20/90；該發明授權一種基于深度神經網絡的融合表型和分子信息的中藥處方人工智能評價方法是由李梢;李艷;周武愛;楊擴;王鑫;吳敏設計研發完成，并于2021-06-30向國家知識產權局提交的專利申請。

本一種基于深度神經網絡的融合表型和分子信息的中藥處方人工智能評價方法在說明書摘要公布了：本發明提供了一種基于深度學習的融合表型與分子信息的中藥處方人工智能評價方法。本方法首先構建基于卷積神經網絡的診斷描述特征智能提取，基于網絡嵌入的藥物特征智能提取，同時在藥物特征中融合了分子信息。進而，基于提取的診斷描述及中藥處方特征，設計基于卷積神經網絡的中藥處方人工智能評價方法。同時，本方法還首次提出了一種基于中藥處方相似性的分層采樣策略。實驗結果表明，我們的方法在中藥處方評價性能上要優于基線方法，且優于未添加分子信息的模型，能較好地學習專家經驗。我們的方法促進了基于經驗的、宏觀的傳統中醫藥學走向基于數據的、宏微觀結合現代科學，有助于減少中藥處方的不合理使用情況，推動中醫藥的精準化和智能化。

本發明授權一種基于深度神經網絡的融合表型和分子信息的中藥處方人工智能評價方法在權利要求書中公布了：1.一種基于深度神經網絡的融合表型與分子信息的中藥處方人工智能評價方法，其特征在于包括如下步驟： 1提取診斷描述的特征， 包括主訴、現病史、舌象和脈象， 2提取中藥處方信息的深度特征，包括： 從公開的數據庫搜集中藥、化合物、靶點信息，構建中藥-化合物-靶點異構網絡；使用低維嵌入表示方法對異構網絡進行低維嵌入表示，提取中藥、化合物、靶點的特征；進一步度量中藥處方的特征， 3劃分訓練集和測試集，其中： 遵循疾病內部相似性原則劃分訓練集和測試集， 4對訓練集的中藥處方進行分層采樣，其中： 每一個樣本包含診斷描述，疾病和中藥處方，包括：將當前中藥處方和當前疾病的其他中藥處方計算Jaccard相似性；然后根據Jaccard的值進行分層采樣，其中Jaccard的值分布在0-1之間；將該0-1切分為20等長小區間，在每個小區間上進行采樣并且采樣量和當前疾病的樣本量占總樣本量的比例成正比，即： 其中采樣規則為：K＝50，且設這個小區間上的中藥處方量為X，如果X≥S，則不放回隨機抽樣S個中藥處方；如果0XS，則X全部被采樣，并且通過倒序依次刪減當前中藥處方尾部的中藥產生新的S-X個中藥處方，如果X＝0，則通過倒序依次刪減當前中藥處方尾部的中藥產生新的S個中藥處方； 5構建神經網絡模型并進行訓練， 6評價，其中： 評價的方式為命中率HR和或AUC越高則模型越好，其中AUC是曲線下方的面積大小， 其中，分母GT是所有的測試集合，分子NumberOfHits表示命中的樣本個數， 接收者操作特征曲線ROC曲線的橫軸為假正例率FPR，縱軸為真正例率TPR，其表達公式分別為： 其中，FP為假陽性率，TP為真陽性率，TN為真陰性率， AUC的計算過程包括： 把每個診斷描述和當前診斷描述對應的疾病的所有中藥處方進行預測，從而每個診斷描述都有一個已知標簽向量，一個預測的分數向量，以及當前中藥處方和當前診斷描述對應的疾病的所有中藥處方的Jaccard相似性向量，按預測的分數對樣本進行降序排序， 對于不設定Jaccard閾值的情況，直接依據已知標簽向量和預測的分數向量計算TPR和FPR，對于設定Jaccard閾值的情況，將Jaccard相似性向量從上到下按照Jaccard閾值進行劃分，把Jaccard相似性大于Jaccard閾值的樣本歸為預測正確的樣本，把Jaccard相似性小于閾值的樣本歸為預測錯誤的樣本，分別計算出此時的TPR和FPR，從而確定AUC。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人清華大學;皖南醫學院弋磯山醫院，其通訊地址為：100084 北京市海淀區清華大學100084信箱82分箱；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。