CN109166631A - 基于网络科学和卷积神经网络的药品关联图谱的构建方法 - Google Patents

基于网络科学和卷积神经网络的药品关联图谱的构建方法 Download PDF

Info

Publication number
CN109166631A
CN109166631A CN201810753428.1A CN201810753428A CN109166631A CN 109166631 A CN109166631 A CN 109166631A CN 201810753428 A CN201810753428 A CN 201810753428A CN 109166631 A CN109166631 A CN 109166631A
Authority
CN
China
Prior art keywords
drug
network
map
convolutional neural
neural networks
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810753428.1A
Other languages
English (en)
Inventor
黎云
严钢
沈章
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Haiyun Health Technology Co Ltd
Original Assignee
Wuhan Haiyun Health Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Haiyun Health Technology Co Ltd filed Critical Wuhan Haiyun Health Technology Co Ltd
Priority to CN201810753428.1A priority Critical patent/CN109166631A/zh
Publication of CN109166631A publication Critical patent/CN109166631A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Chemical & Material Sciences (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了基于网络科学和卷积神经网络的药品关联图谱的构建方法，首先对药品信息进行特征提取，结合药剂师给出的初始药品分类，通过卷积神经网络方法构造药品之间的功能关联网络；然后根据药品销售数据，通过网络科学的方法，构造药品共售关联网络；将这两个关联网络构成一个两层的复合网络，然后利用网络科学的方法进行比对分析，最终得到完整的药品关联图谱；通过降维和图嵌入的方法，将图谱进行可视化。该基于网络科学和卷积神经网络的药品关联图谱的构建方法，能准确的高效的将药品销售数据自动抽取药品关联关系，并且能直观展示主要药品之间关联图谱的问题，便于使用者对药品一目了然。

Description

基于网络科学和卷积神经网络的药品关联图谱的构建方法
技术领域
本发明涉及药品技术领域，具体为基于网络科学和卷积神经网络的药品关联图谱的构建方法。
背景技术
从使用对象上说：它是以人为使用对象，预防、治疗、诊断人的疾病。有目的地调节人的生理机能，有规定的适用症、用法和用量要求；从使用方法上说：除外观，患者无法辨认其内在质量，许多药品需要在医生的指导下使用，而不由患者选择决定。同时，药品的使用方法、数量、时间等多种因素在很大程度上决定其使用效果，误用不仅不能“治病”，还可能“致病”，甚至危及生命安全。因此，药品是特殊的商品：种类复杂性：具体品种，全世界大约有两万余种，我国中药制剂约五千多种，西药制剂约四千多，由此可见，药品的种类复杂、品种繁多，药品的医用专属性：药品不是独立的商品，它与医学紧密结合，相辅相成。患者只有通过医生的检查诊断，并在医生与执业药师的指导下合理用药，才能达到防止疾病、保护健康的目的。
随着社会的发展，网络的作用越来越大，网络销售也逐渐替代药房实体店，但是现有的网络销售药品，不能准确的高效的将药品销售数据自动抽取药品关联关系，并且不能直观展示主要药品之间的关联图谱。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了基于网络科学和卷积神经网络的药品关联图谱的构建方法，解决了现有的网络销售药品，不能准确的高效的将药品销售数据自动抽取药品关联关系，并且不能直观展示主要药品之间关联图谱的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：基于网络科学和卷积神经网络的药品关联图谱的构建方法，具体包括如下步骤：
步骤一、对药品信息进行特征提取，结合药剂师给出的初始药品分类，通过卷积神经网络方法构造药品之间的功能关联网络；
步骤二、根据药品销售数据，通过网络科学的方法，构造药品共售关联网络；
步骤三、将步骤一和步骤二得到的这两个关联网络构成一个两层的复合网络，然后利用网络科学的方法进行比对分析，最终得到完整的药品关联图谱；
步骤四、通过降维和图嵌入的方法，将图谱进行可视化。
优选地，所述药品信息包括药品的成分以及功效，药剂师根据所述药品的成分以及功效对药品进行初始分类。
优选地，在构造药品共售关系网络时，需统计购买者信息以及药品销售信息，并为购买者以及药品建立两个列表，所述两个列表中每一项代表一个购买者或药品名称，然后对两个列表的每一项根据药品销售数据进行连线，然后根据网络科学的方法，构造体现不同药品同时销售的共售关联网络。
优选地，所述共售关系网络中，每个点代表一种药品，每一条连边代表两种药品之间的关联性，连边的粗细代表关联性的强弱。
(三)有益效果
本发明提供了基于网络科学和卷积神经网络的药品关联图谱的构建方法。具备以下有益效果：该基于网络科学和卷积神经网络的药品关联图谱的构建方法，能准确的高效的将药品销售数据自动抽取药品关联关系，并且能直观展示主要药品之间关联图谱的问题，便于使用者对药品一目了然。
附图说明
图1为本发明实施例提供的一种基于网络科学和卷积神经网络的药品关联图谱的构建方法流程图
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供技术方案：基于网络科学和卷积神经网络的药品关联图谱的构建方法，具体包括如下步骤：
步骤一、对药品信息进行特征提取，结合药剂师给出的初始药品分类，通过卷积神经网络方法构造药品之间的功能关联网络；
所述药品信息包括药品的成分以及功效，药剂师根据所述药品的成分以及功效对药品进行初始分类。
步骤二、根据药品销售数据，通过网络科学的方法，构造药品共售关联网络；
在构造药品共售关系网络时，需统计购买者信息以及药品销售信息，并为购买者以及药品建立两个列表，所述两个列表中每一项代表一个购买者或药品名称，然后对两个列表的每一项根据药品销售数据进行连线，然后根据网络科学的方法，构造体现不同药品同时销售的共售关联网络。
所述共售关系网络中，每个点代表一种药品，每一条连边代表两种药品之间的关联性，连边的粗细代表关联性的强弱。
步骤三、将步骤一和步骤二得到的这两个关联网络构成一个两层的复合网络，然后利用网络科学的方法进行比对分析，最终得到完整的药品关联图谱；
经过步骤三之后得到的完整的药品关联图谱是一个超大规模的网络，包含无数多个网络节点，以及节点间的连线，然而要将这个超大规模的网络通过可视化方法绘制出来，同时使得网络节点不会重叠，节点连线能够清晰可见，并非一件容易的事，因此需要进行步骤四。
步骤四、通过降维和图嵌入的方法，将图谱进行可视化。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。

Claims (5)

1.基于网络科学和卷积神经网络的药品关联图谱的构建方法，其特征在于，具体包括如下步骤：
步骤一、对药品信息进行特征提取，结合药剂师给出的初始药品分类，通过卷积神经网络方法构造药品之间的功能关联网络；
步骤二、根据药品销售数据，通过网络科学的方法，构造药品共售关联网络；
步骤三、将步骤一和步骤二得到的这两个关联网络构成一个两层的复合网络，然后利用网络科学的方法进行比对分析，最终得到完整的药品关联图谱。
2.根据权利要求1所述基于网络科学和卷积神经网络的药品关联图谱的构建方法，其特征在于：该方法还包括步骤四、通过降维和图嵌入的方法，将图谱进行可视化。
3.根据权利要求1所述基于网络科学和卷积神经网络的药品关联图谱的构建方法，其特征在于：所述药品信息包括药品的成分以及功效，药剂师根据所述药品的成分以及功效对药品进行初始分类。
4.根据权利要求1所述基于网络科学和卷积神经网络的药品关联图谱的构建方法，其特征在于：在构造药品共售关系网络时，需统计购买者信息以及药品销售信息，并为购买者以及药品建立两个列表，所述两个列表中每一项代表一个购买者或药品名称，然后对两个列表的每一项根据药品销售数据进行连线，然后根据网络科学的方法，构造体现不同药品同时销售的共售关联网络。
5.根据权利要求4所述基于网络科学和卷积神经网络的药品关联图谱的构建方法，其特征在于：所述共售关系网络中，每个点代表一种药品，每一条连边代表两种药品之间的关联性，连边的粗细代表关联性的强弱。
CN201810753428.1A 2018-07-10 2018-07-10 基于网络科学和卷积神经网络的药品关联图谱的构建方法 Pending CN109166631A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810753428.1A CN109166631A (zh) 2018-07-10 2018-07-10 基于网络科学和卷积神经网络的药品关联图谱的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810753428.1A CN109166631A (zh) 2018-07-10 2018-07-10 基于网络科学和卷积神经网络的药品关联图谱的构建方法

Publications (1)

Publication Number Publication Date
CN109166631A true CN109166631A (zh) 2019-01-08

Family

ID=64897586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810753428.1A Pending CN109166631A (zh) 2018-07-10 2018-07-10 基于网络科学和卷积神经网络的药品关联图谱的构建方法

Country Status (1)

Country Link
CN (1) CN109166631A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111159422A (zh) * 2019-12-26 2020-05-15 武汉海云健康科技股份有限公司 药品的知识图谱构建方法及***、服务器及介质
CN111951979A (zh) * 2020-08-13 2020-11-17 上海森亿医疗科技有限公司 药物信息标准化方法、药物信息标准化与检索平台和设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205675A (zh) * 2015-09-10 2015-12-30 武汉海云健康科技股份有限公司 药店信息分析***和方法
CN106776701A (zh) * 2016-11-14 2017-05-31 东软集团股份有限公司 用于物品推荐的问题确定方法和装置
KR20170101675A (ko) * 2016-02-29 2017-09-06 이동규 빅 데이터 및 전자 발찌를 이용한 성범죄자 감시 및 알림 시스템과 그 방법
CN107491555A (zh) * 2017-09-01 2017-12-19 北京纽伦智能科技有限公司 知识图谱构建方法和***
CN107665252A (zh) * 2017-09-27 2018-02-06 深圳证券信息有限公司 一种创建知识图谱的方法及装置
CN107862561A (zh) * 2017-09-15 2018-03-30 广州唯品会研究院有限公司 一种基于图片属性提取建立用户兴趣库的方法及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105205675A (zh) * 2015-09-10 2015-12-30 武汉海云健康科技股份有限公司 药店信息分析***和方法
KR20170101675A (ko) * 2016-02-29 2017-09-06 이동규 빅 데이터 및 전자 발찌를 이용한 성범죄자 감시 및 알림 시스템과 그 방법
CN106776701A (zh) * 2016-11-14 2017-05-31 东软集团股份有限公司 用于物品推荐的问题确定方法和装置
CN107491555A (zh) * 2017-09-01 2017-12-19 北京纽伦智能科技有限公司 知识图谱构建方法和***
CN107862561A (zh) * 2017-09-15 2018-03-30 广州唯品会研究院有限公司 一种基于图片属性提取建立用户兴趣库的方法及设备
CN107665252A (zh) * 2017-09-27 2018-02-06 深圳证券信息有限公司 一种创建知识图谱的方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111159422A (zh) * 2019-12-26 2020-05-15 武汉海云健康科技股份有限公司 药品的知识图谱构建方法及***、服务器及介质
CN111951979A (zh) * 2020-08-13 2020-11-17 上海森亿医疗科技有限公司 药物信息标准化方法、药物信息标准化与检索平台和设备

Similar Documents

Publication Publication Date Title
Davies et al. Pharmacological interventions for treatment‐resistant depression in adults
Checchi et al. Electronic medication packaging devices and medication adherence: a systematic review
Barkham et al. Practice-based evidence as a complement to evidence-based practice: From dichotomy to chiasmus
Fang et al. Pharmacists’ perception of pharmaceutical care in community pharmacy: a questionnaire survey in Northwest China
CN107591189A (zh) 一种基于otc药品的推荐***
Cushman et al. Buprenorphine initiation and linkage to outpatient buprenorphine do not reduce frequency of injection opiate use following hospitalization
CN103854136A (zh) 带有用药安全监控干预功能的医院用药管理***
Lapeyre-Mestre et al. A European community pharmacy-based survey to investigate patterns of prescription fraud through identification of falsified prescriptions
Sutherland et al. SA DRUG TRENDS 2013 Findings from the Illicit Drug Reporting System (IDRS)
CN104794341B (zh) 一种中西医联合用药禁忌预警***
Srinivasan et al. Knowledge, attitude and practice of pharmacovigilance among the healthcare professionals in a tertiary care hospital–A questionnaire study
CN109166631A (zh) 基于网络科学和卷积神经网络的药品关联图谱的构建方法
Peacock et al. Methods and predictors of tampering with a tamper-resistant controlled-release oxycodone formulation
Zule et al. Factors that influence the characteristics of needles and syringes used by people who inject drugs in Tajikistan
CN109145018A (zh) 一种基于大数据分析用户购药挖掘用户价值的方法
Jauncey et al. The impact of OxyContin reformulation at the Sydney medically supervised injecting centre: pros and cons
CN106250693A (zh) 一种处方用药的评测方法
White et al. Interventions for fatigue in peripheral neuropathy
Botsis et al. Novel algorithms for improved pattern recognition using the US FDA Adverse Event Network Analyzer
CN106447500A (zh) 一种根据疾病和药物的匹配度进行打分的方法及其***
Hu et al. Network analysis and visualisation of opioid prescribing data
Glaizal et al. Suicidal poisonings with methadone in France: Results of a two year national survey by the Toxicovigilance Network
VanDenKerkhof et al. Pain, health‐related quality of life and health care utilization after inpatient surgery: A pilot study
Hu et al. Detecting anomalies in controlled drug prescription data using probabilistic models
Lake et al. Changes in secondary substance use after the onset of the COVID-19 pandemic among people who use cannabis: Findings from a web-based sample of adults in the United States.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination