公开(公告)号：CN114730638A

公开(公告)日：2022-07-08

申请号：CN202180006088.6

申请日：2021-04-06

申请人： 清华大学 ,  百度在线网络技术(北京)有限公司

发明人： 王朝坤 ,  严本成 ,  楼昀恺 ,  石耕源 ,  陈俊 ,  黄海峰 ,  陆超

IPC分类号： G16H50/70

摘要： 本公开提出一种跨医疗数据源的网络表示学习算法，包括：S1，生成包括源网络和目标网络的医疗网络数据；S2，从源网络和目标网络随机采样设定数量的节点；S3，得到一个L层的神经网络，并对每一层分别计算源网络和目标网络的结构特征和表达特征，计算源网络和目标网络的网络特征之间的距离损失；S4，得到源网络在L层神经网络的输出，并根据分类损失和距离损失计算损失值，根据反向传播算法更新算法的参数；S5，重复步骤S2‑S4，直至整个算法收敛，使得算法对于疾病分类的准确率在多个迭代内不再上升。本公开考虑了不同医院数据源之间的数据分布不一致问题,通过提取网络的结构信息及节点属性信息、最小化特征距离弥补信息损失，有着广阔的应用空间。

公开(公告)号：CN113767401A

公开(公告)日：2021-12-07

申请号：CN202080005552.5

申请日：2020-04-03

申请人： 清华大学 ,  百度在线网络技术(北京)有限公司

发明人： 王朝坤 ,  严本成 ,  楼昀恺 ,  石耕源 ,  陈俊 ,  黄海峰 ,  陆超

IPC分类号： G06N3/04

摘要： 一种跨医疗数据源的网络表示学习算法，包括：S1，生成包括源网络和目标网络的医疗网络数据；S2，从源网络和目标网络随机采样设定数量的节点；S3，得到一个L层的神经网络，并对每一层分别计算源网络和目标网络的结构特征和表达特征，计算源网络和目标网络的网络特征之间的距离损失；S4，得到源网络在L层神经网络的输出，并根据分类损失和距离损失计算损失值，根据反向传播算法更新算法的参数；S5，重复步骤S2‑S4，直至整个算法收敛，使得算法对于疾病分类的准确率在多个迭代内不再上升。有益效果：考虑了不同医院数据源之间数据分布不一致的问题,通过提取网络的结构信息及节点属性信息、最小化特征距离弥补信息损失，有着广阔的应用空间。