需求发布 成果发布 科创案例库 揭榜挂帅
技术经理人 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
城市站点 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 成果库 RASNet: Recurrent aggregation neural network

RASNet: Recurrent aggregation neural network

发布时间: 2025-03-28

基本信息

合作方式： 委托开发
成果类型： 发明专利
行业领域：
电子信息技术,软件
成果介绍
RASNet通过引入递归聚合神经网络有效捕捉患者就诊时的历史健康记录信息，显著提升了个性化建模在应对患者病情不定期变化方面的表现。模型能够动态整合患者的历史数据，使其在多次就诊之间保持高效的信息传递与更新，解决了现有药物推荐模型无法充分考虑患者病情波动的局限。此外，本文提出了一种新型的DDI（药物相互作用）损失指数控制器，专门用于平衡药物组合的安全性和准确性。该控制器能够在确保推荐准确性的同时，降低潜在的药物相互作用风险。相比传统模型仅追求推荐准确率，RASNet在安全性和准确性之间达到了良好的平衡，尤其是在DDI率较低的情况下仍能保持良好性能。主要技术指标包括DDI率、Jaccard指数和F1得分等，与现有技术相比，RASNet在处理药物安全性、推荐精度和计算效率方面表现出更优的性能，使其在药物推荐系统中具备显著优势。
成果亮点
递归聚合神经网络技术与药物相互作用控制技术。该项目成果主要适用于医院及临床诊疗系统、远程医疗平台等。 医院及临床诊疗系统：该成果可以集成到医院的电子健康记录系统中，通过分析患者的病史、用药情况等数据，提供个性化的安全药物组合建议，帮助医生更精准地进行药物选择，减少药物相互作用（DDI）的风险。
团队介绍
朱强，博士，武汉纺织大学计算机与人工智能学院教师。以第一作者在KBS、ESWA、BIBM等国际期刊和会议中发表十余篇学术论文。目前担任TCBB、Scientific Reports、CAAI等学术期刊审稿人，BIBM、WI-IAT等国际会议程序委员会委员。主持或参与国家自科基金和省自科基金项目多项，主要研究方向为自然语言处理与知识图谱、健康信息学。
成果资料