公开(公告)号：CN113704731A

公开(公告)日：2021-11-26

申请号：CN202111039516.3

申请日：2021-09-06

申请人： 厦门理工学院 ,  王继伟

发明人： 朱顺痣 ,  王继伟 ,  林开标 ,  李建敏 ,  钟瑛

IPC分类号： G06F21/32 ,  G06F21/62 ,  G06Q50/26

摘要： 本发明公开了一种面向医院的患者异常就医行为检测系统，包括就医异常检测分析器(1)、数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7)；其中：所述就医异常检测分析器(1)分别和所述数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7)数据通信连接。本申请通过大数据的方法，分析用户的药品购买习惯、常去的医院，形成用户的购药和医院画像，而在人员去医院就医或药店购买药品时，本申请的系统核对药品明细，医院，在存在购药从而防止利用医保卡购买非医保物品，保护医保卡的安全性。

公开(公告)号：CN111581364A

公开(公告)日：2020-08-25

申请号：CN202010370543.8

申请日：2020-05-06

申请人： 厦门理工学院

发明人： 林开标 ,  梁怀众 ,  朱顺痣

IPC分类号： G06F16/332 ,  G06F16/36 ,  G06F40/216 ,  G06F40/295 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种面向医疗领域的中文智能问答短文本相似度计算方法，涉及自然语言处理与智能问答领域。该方法针对中文医疗领域，采用SH-CNN对用户输入的问句与智能问答系统中预设定的问题模板进行向量化，然后提取出两文本中的突出特征进行相似度计算，再结合TF-IDF的加权处理以获取更具可信性的文本相似度结果。根据结果获得用户输入问句的问题类型，结合使用词性标注方法获取的问句中的医疗实体，构造面向知识图谱的查询语句，并从中检索答案返回给用户。基于该方法所构造的智能问答系统能够快速的为用户提供简洁准确的答案，具有较高的实用价值。

公开(公告)号：CN106528609A

公开(公告)日：2017-03-22

申请号：CN201610858221.1

申请日：2016-09-28

申请人： 厦门理工学院

发明人： 林开标 ,  吴运兵 ,  朱顺痣 ,  杨帆 ,  卢萍

IPC分类号： G06F17/30

CPC分类号： G06F16/288 ,  G06F16/2237

摘要： 本发明公开一种向量约束嵌入转换的知识图谱推理方法，步骤是：步骤1，获取知识图谱中每个关系和实体的语义类型；步骤2，将实体集和关系集嵌入到低维连续向量空间，并进行规范化；步骤3，将规范化后的实体集与关系集，按照原来的三元组对应关系映射到相应的向量矩阵中；步骤4，在低维连续空间中，计算知识图谱中每个三元组的得分损失函数值，构造训练模型；步骤5，对满足关系语义类型的被打乱的三元组进行训练模型的优化；步骤6，步骤5循环至满足循环结束条件；步骤7，对下一个三元组进行计算，重复步骤4至步骤6，直至全部三元组都计算完成，输出训练模型的实体集和关系集。此种推理方法可提高知识发现的推理准确性，提高预测精度。

公开(公告)号：CN116936126A

公开(公告)日：2023-10-24

申请号：CN202311020311.X

申请日：2023-08-14

申请人： 厦门理工学院

发明人： 卢萍 ,  潘大为 ,  林开标

IPC分类号： G16H70/40 ,  G16H50/30 ,  G16H50/50 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提供了一种多类别药物相互作用预测方法、装置、设备及介质，包括根据公式#imgabs0#对待预测药物的数据集进行计算，生成药物节点特征；根据DDI关系和药物节点特征，分别生成拓扑图和特征图；采用图卷积神经网络分别对拓扑图和特征图进行提取处理，并将提取后的多尺度信息输入至注意力机制中进行预处理，生成融合嵌入向量；将融合嵌入向量输入深层神经网络中进行组合分类处理，生成预测结果。此外，现有DDI预测方法存在信息不足、学习到的向量信息不够全面、忽略了对已知会发生DDI的两个药物所发生的DDI类型的预测的问题。

公开(公告)号：CN113555111B

公开(公告)日：2023-09-26

申请号：CN202110812074.5

申请日：2021-07-19

申请人： 厦门理工学院

发明人： 林开标 ,  刘永 ,  卢萍

IPC分类号： G16H50/20 ,  G16H20/00 ,  G16H80/00 ,  G06N7/02

摘要： 本发明公开了一种医患共同决策多议题协商方法、系统及可读存储介质，该方法包括：获取医生和患者的偏好和行为特征，构建模糊约束以及模糊约束满意度函数；基于所述模糊约束以及模糊约束满意度函数构建生成医生代理行为模型和患者代理行为模型，以及分布式模糊约束满意度问题；其中，所述分布式模糊约束满意度问题根据医患共同决策问题生成，所述医患共同决策问题为医生代理和患者代理在决策过程中需要进行协商的议题；基于所述医生代理行为模型、患者代理行为模型以及分布式模糊约束满意度问题进行医生代理和患者代理间的协商，直至协商成功以生成共同协商结果或失败并终止协商。

公开(公告)号：CN116189256A

公开(公告)日：2023-05-30

申请号：CN202211692316.2

申请日：2022-12-28

申请人： 厦门理工学院

发明人： 戴彬 ,  张文君 ,  李林 ,  林开标

IPC分类号： G06V40/16 ,  G06V10/82 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047

摘要： 本发明提供了一种表情的识别方法、装置、设备及可读存储介质，包括：获取待识别图像，并将所述待识别图像发送至训练好的双链式网络模型进行特征提取；其中，所述双链式网络模型第一通道第n层能够对第一通道第(n‑1)层和第二通道第(n‑1)层的叠加特征进行提取，其中，n＞1；接收双链式网络模型第一通道最后一层输出的表情特征，并基于softmax分类器对所述表情特征进行分类，以完成表情识别，解决了用于识别表情的模型复杂度越来越高，导致边缘端设备不好被部署的问题。

公开(公告)号：CN115829760A

公开(公告)日：2023-03-21

申请号：CN202211488104.2

申请日：2022-11-25

申请人： 厦门理工学院

发明人： 林开标 ,  王冬扬 ,  卢萍 ,  戴彬

IPC分类号： G06Q40/08 ,  G06F18/22 ,  G06F18/24 ,  G06F16/901

摘要： 本发明实施例提供基于邻域相似度的医保欺诈识别方法、装置、设备和介质，涉及医疗大数据技术领域。医保欺诈识别方法包含S1、根据医疗数据构建医疗异构图。S2、根据各种行为模式的元路径进行采样，获取异构子图。S3、根据异构子图，进行编码获取初始邻域集合。S4、根据初始邻域集合分别计算各个邻域的相似性并进行筛选，获取最终邻域集合。S5、通过第一个注意力机制分别融合最终邻域集合，获取各个患者节点的各个为模式下的嵌入表示。S6、根据嵌入表示，获取各种行为模式的重要性。S7、根据重要性，通过第二个注意力机制融合嵌入表示，获取各个患者节点的最终嵌入表示。S8、对最终嵌入表示进行分类，以判断各个患者节点是否为医保欺诈患者。

公开(公告)号：CN117649301A

公开(公告)日：2024-03-05

申请号：CN202311344288.X

申请日：2023-10-17

申请人： 厦门理工学院

发明人： 卢萍 ,  洪彬升 ,  林开标

IPC分类号： G06Q40/08 ,  G06F16/901 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/042

摘要： 本发明提供了一种医疗保险欺诈检测方法、装置、设备及可读存储介质，构建基于医保数据集的多种异构图，包括扩散图、拓扑图、特征图语义图；采用置信度融合优化器对基础视图进行了优化，引入共享参数的多通道语义图卷积有效融合不同类型的元路径语义图。引入自适应注意力机制，以便为不同视图分配权重，从而更全面地融合来自多视图的信息，准确地描述医保数据的丰富特征。采用三种不同的损失函数进行端到端的模型训练，充分发挥多视图数据的互补优势，从而增强欺诈检测模型鲁棒性和泛化能力。充分应用该方法于真实医保数据集，对其在实际场景中的全面效用进行了深入验证。该方法在提升准确率和召回率方面取得了显著成效。

公开(公告)号：CN117457064A

公开(公告)日：2024-01-26

申请号：CN202311452091.8

申请日：2023-11-02

申请人： 厦门理工学院

发明人： 林开标 ,  林俊鹏 ,  张杨 ,  卢萍

IPC分类号： G16B15/30 ,  G16B40/00 ,  G16C20/50 ,  G16C20/10 ,  G16C20/70 ,  G06F18/2433 ,  G06F18/214 ,  G06F18/21 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048

摘要： 本发明公开一种基于图结构自适应的药物‑药物相互作用预测方法及装置，方法包括：获取待预测的药物组合，并根据药物组合生成图结构的DDI元组；将DDI元组输入至软掩码自适应图神经网络，以利用软掩码自适应图神经网络提取DDI元组的子结构信息；通过子结构注意力模块对子结构信息进行更新，得到子结构潜在特征；根据子结构潜在特征获得子结构相关性；根据子结构潜在特征以及子结构相关性，采用子结构相互作用的计算得分作为药物组合相互作用的预测分数。本实施例可以表征任意大小子图，同时从药物化学子结构中提取更有益的信息。另外利用核心化学子结构之间的相关性识别具有相互作用的子结构信息，增强了药物的最终特征表示并提高DDI的预测精度。

公开(公告)号：CN116977096A

公开(公告)日：2023-10-31

申请号：CN202310997794.2

申请日：2023-08-09

申请人： 厦门理工学院

发明人： 林开标 ,  陈润泽 ,  陈锦坡 ,  卢萍

IPC分类号： G06Q40/08 ,  G06F18/24 ,  G06N3/0895

摘要： 本发明提供了一种医疗保险的欺诈检测方法、装置、设备及可读存储介质，先通过接收图数据,并使用多层感知机计算所述图数据中的节点属性以生成软标签矩阵；接着将所述软标签矩阵与网络拓扑结构进行计算,以生成块矩阵；再接着根据所述块矩阵和所述软标签生成带权邻接矩阵，并将所述带权邻接矩阵替换所述图数据的邻接矩阵；最后生成更新后的所述图数据，在每个视图下的带权邻接矩阵进行图卷积传播并进行分类聚合操作，以生成节点嵌入结果,其中,所述节点嵌入结果用于判断图数据是否存在医疗保险的欺诈行为。