买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学;皖南医学院弋矶山医院申请的专利一种基于深度神经网络的融合表型和分子信息的中药处方人工智能评价方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115376658B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110736888.5，技术领域涉及：G16H20/90；该发明授权一种基于深度神经网络的融合表型和分子信息的中药处方人工智能评价方法是由李梢;李艳;周武爱;杨扩;王鑫;吴敏设计研发完成，并于2021-06-30向国家知识产权局提交的专利申请。

本一种基于深度神经网络的融合表型和分子信息的中药处方人工智能评价方法在说明书摘要公布了：本发明提供了一种基于深度学习的融合表型与分子信息的中药处方人工智能评价方法。本方法首先构建基于卷积神经网络的诊断描述特征智能提取，基于网络嵌入的药物特征智能提取，同时在药物特征中融合了分子信息。进而，基于提取的诊断描述及中药处方特征，设计基于卷积神经网络的中药处方人工智能评价方法。同时，本方法还首次提出了一种基于中药处方相似性的分层采样策略。实验结果表明，我们的方法在中药处方评价性能上要优于基线方法，且优于未添加分子信息的模型，能较好地学习专家经验。我们的方法促进了基于经验的、宏观的传统中医药学走向基于数据的、宏微观结合现代科学，有助于减少中药处方的不合理使用情况，推动中医药的精准化和智能化。

本发明授权一种基于深度神经网络的融合表型和分子信息的中药处方人工智能评价方法在权利要求书中公布了：1.一种基于深度神经网络的融合表型与分子信息的中药处方人工智能评价方法，其特征在于包括如下步骤： 1提取诊断描述的特征， 包括主诉、现病史、舌象和脉象， 2提取中药处方信息的深度特征，包括： 从公开的数据库搜集中药、化合物、靶点信息，构建中药-化合物-靶点异构网络；使用低维嵌入表示方法对异构网络进行低维嵌入表示，提取中药、化合物、靶点的特征；进一步度量中药处方的特征， 3划分训练集和测试集，其中： 遵循疾病内部相似性原则划分训练集和测试集， 4对训练集的中药处方进行分层采样，其中： 每一个样本包含诊断描述，疾病和中药处方，包括：将当前中药处方和当前疾病的其他中药处方计算Jaccard相似性；然后根据Jaccard的值进行分层采样，其中Jaccard的值分布在0-1之间；将该0-1切分为20等长小区间，在每个小区间上进行采样并且采样量和当前疾病的样本量占总样本量的比例成正比，即： 其中采样规则为：K＝50，且设这个小区间上的中药处方量为X，如果X≥S，则不放回随机抽样S个中药处方；如果0XS，则X全部被采样，并且通过倒序依次删减当前中药处方尾部的中药产生新的S-X个中药处方，如果X＝0，则通过倒序依次删减当前中药处方尾部的中药产生新的S个中药处方； 5构建神经网络模型并进行训练， 6评价，其中： 评价的方式为命中率HR和或AUC越高则模型越好，其中AUC是曲线下方的面积大小， 其中，分母GT是所有的测试集合，分子NumberOfHits表示命中的样本个数， 接收者操作特征曲线ROC曲线的横轴为假正例率FPR，纵轴为真正例率TPR，其表达公式分别为： 其中，FP为假阳性率，TP为真阳性率，TN为真阴性率， AUC的计算过程包括： 把每个诊断描述和当前诊断描述对应的疾病的所有中药处方进行预测，从而每个诊断描述都有一个已知标签向量，一个预测的分数向量，以及当前中药处方和当前诊断描述对应的疾病的所有中药处方的Jaccard相似性向量，按预测的分数对样本进行降序排序， 对于不设定Jaccard阈值的情况，直接依据已知标签向量和预测的分数向量计算TPR和FPR，对于设定Jaccard阈值的情况，将Jaccard相似性向量从上到下按照Jaccard阈值进行划分，把Jaccard相似性大于Jaccard阈值的样本归为预测正确的样本，把Jaccard相似性小于阈值的样本归为预测错误的样本，分别计算出此时的TPR和FPR，从而确定AUC。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学;皖南医学院弋矶山医院，其通讯地址为：100084 北京市海淀区清华大学100084信箱82分箱；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。