机构名称：
¥ 1.0
摘要 - 在临床治疗中，确定药物的潜在不良反应可以帮助医生做出药物决策。响应先前研究的问题，即需要为药物的每种不良反应构建高维和稀疏，独立的预测模型，并且预测准确性较低，本文基于知识图和深度学习，开发了一个不良药物反应预测模型，这可以预测实验结果。涵盖不良药物反应的统一预测。知识图嵌入技术可以融合药物之间的相关信息，并减轻特征矩阵中高维稀疏性的缺点，而深度学习的有效训练能力可以提高模型的预测准确性。本文根据药物特征数据构建了不良药物反应知识图；通过在不同的嵌入策略下分析知识图的嵌入效果，选择了最佳的嵌入策略来获得样品向量；然后构建了卷积神经网络模型以预测不良反应。结果表明，在疏远嵌入模型和400维嵌入策略下，卷积神经网络模型具有最佳的预测效果。重复实验曲线下的平均准确性，𝑭评分，召回率和面积优于文献中报告的方法。获得的预测模型具有良好的预测准确性和稳定性，可以为以后的安全药物指导提供有效的参考。
对不良药物反应预测模型的研究...
主要关键词
相关文件推荐
