期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多任务神经网络药物不良反应检测算法
被引量：
1
1
作者
曹晓民
史瑞刚
《控制工程》
CSCD
北大核心
2020年第7期1151-1156,共6页
药物不良反应检测对于用药安全与保证治疗效果有重要意义。传统通过检索人工构建的相关知识库来实现药物不良检测的方式低效且易错,很难带来真正的临床价值。随着人工智能技术近年来的快速发展,利用神经网络检测药物不良反应的方法展现...
药物不良反应检测对于用药安全与保证治疗效果有重要意义。传统通过检索人工构建的相关知识库来实现药物不良检测的方式低效且易错,很难带来真正的临床价值。随着人工智能技术近年来的快速发展,利用神经网络检测药物不良反应的方法展现出了巨大的应用潜力,但目前的研究普遍以先抽取实体,再判断实体之间关系的序列化方式解决问题,这样的方式会带来误差传递、信息冗余等问题。针对上述问题,提出了一种基于标注策略的多任务神经网络,将药物不良反应与药物相互作用两个任务建模为一个序列标注问题以提升模型的最终性能。实验结果表明,在相关国际比赛与公开任务的数据集上,提出的多任务神经网络在不同的评价指标上都取得了显著的提升。
展开更多
关键词
药物
不良反应
检测
神经网络
多任务模型
下载PDF
职称材料
基于图嵌入的社交媒体药物不良反应事件检测方法
被引量：
2
2
作者
申晨
林鸿飞
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2020年第5期547-554,共8页
药物不良反应事件是造成患者发病、死亡的主要原因之一.传统的基于患者自发报告系统存在较为严重的漏报情况,近年来将推特等社交媒体作为数据来源进行药物不良反应事件检测的研究愈发受到重视.各种深度学习模型通常依赖于大量的训练样本...
药物不良反应事件是造成患者发病、死亡的主要原因之一.传统的基于患者自发报告系统存在较为严重的漏报情况,近年来将推特等社交媒体作为数据来源进行药物不良反应事件检测的研究愈发受到重视.各种深度学习模型通常依赖于大量的训练样本,然而受限于数据来源的特质和耗时的数据标注工作,该领域的相关研究面临标注数据规模小、数据噪声大等问题,制约了这些模型发挥良好的效果.据此,在文本表示层面引入基于图嵌入数据增强和对抗训练两种正则化方法,提升模型在低资源高噪声下的药物不良反应事件检测效果.通过实验,具体分析和讨论两种方法的适用范围,结合卷积神经网络,提出一种同时发挥其优势的药物不良反应事件检测模型,实验结果显示其具有良好的适用性.
展开更多
关键词
社交媒体
图嵌入
对抗训练
药物
不良反应
事件
检测
深度学习
下载PDF
职称材料
题名
多任务神经网络药物不良反应检测算法
被引量：
1
1
作者
曹晓民
史瑞刚
机构
西安航空学院组织部
西安航空学院网络信息中心
出处
《控制工程》
CSCD
北大核心
2020年第7期1151-1156,共6页
文摘
药物不良反应检测对于用药安全与保证治疗效果有重要意义。传统通过检索人工构建的相关知识库来实现药物不良检测的方式低效且易错,很难带来真正的临床价值。随着人工智能技术近年来的快速发展,利用神经网络检测药物不良反应的方法展现出了巨大的应用潜力,但目前的研究普遍以先抽取实体,再判断实体之间关系的序列化方式解决问题,这样的方式会带来误差传递、信息冗余等问题。针对上述问题,提出了一种基于标注策略的多任务神经网络,将药物不良反应与药物相互作用两个任务建模为一个序列标注问题以提升模型的最终性能。实验结果表明,在相关国际比赛与公开任务的数据集上,提出的多任务神经网络在不同的评价指标上都取得了显著的提升。
关键词
药物
不良反应
检测
神经网络
多任务模型
Keywords
Adverse drug events
neural network
multi-task model
分类号
TP389.1 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于图嵌入的社交媒体药物不良反应事件检测方法
被引量：
2
2
作者
申晨
林鸿飞
机构
大连理工大学计算机科学与技术学院
出处
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2020年第5期547-554,共8页
基金
国家自然科学基金资助项目(61772103,61572102)。
文摘
药物不良反应事件是造成患者发病、死亡的主要原因之一.传统的基于患者自发报告系统存在较为严重的漏报情况,近年来将推特等社交媒体作为数据来源进行药物不良反应事件检测的研究愈发受到重视.各种深度学习模型通常依赖于大量的训练样本,然而受限于数据来源的特质和耗时的数据标注工作,该领域的相关研究面临标注数据规模小、数据噪声大等问题,制约了这些模型发挥良好的效果.据此,在文本表示层面引入基于图嵌入数据增强和对抗训练两种正则化方法,提升模型在低资源高噪声下的药物不良反应事件检测效果.通过实验,具体分析和讨论两种方法的适用范围,结合卷积神经网络,提出一种同时发挥其优势的药物不良反应事件检测模型,实验结果显示其具有良好的适用性.
关键词
社交媒体
图嵌入
对抗训练
药物
不良反应
事件
检测
深度学习
Keywords
social media
graph embeddings
adversarial training
adverse drug event detection
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多任务神经网络药物不良反应检测算法
曹晓民
史瑞刚
《控制工程》
CSCD
北大核心
2020
1
下载PDF
职称材料
2
基于图嵌入的社交媒体药物不良反应事件检测方法
申晨
林鸿飞
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2020
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
