CN114417986B 基于人工智能的药物特征信息确定方法及装置 （平安科技（深圳）有限公司）

基于人工智能的药物特征信息确定方法及本发明公开了一种基于人工智能的药物特征信息确定方法及装置，涉及智能医疗技术领模型对所述药物分子结构图像数据进行分类处模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对图卷积网络分子结构图像分类结果匹配的药物特征处理流2基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分基于所述药物特征处理流程对所述分子结构图像分类结果执行特所述调取与所述分子结构图像分类结果匹配的药物特征处理流程接收对所述药物分子结构图像数据触发的分子分类任务，所述对不同药物分子结构图像数据执行所述药物特征处理流程中对应所述调取与所述分子结构图像分类结果匹配的药物特征处解析所述分子分类任务中所述药物分子结构图像数据的处理节点，并确定图拓扑增强的自注意力机制，并将所述自注意力机制引基于所述药物分子结构图像数据中解析得到的图拓扑结构，确定息包括所述药物分子结构图像数据的全局结构信息以及通过分子结构图像样本数据对完成池化后的图卷积网络进行模型3.根据权利要求2所述的方法，其特征在于，所述确定图拓扑增强的自注意力机制包基于初等残差对所述图卷积网络的输入层构建跳跃连接计算所述分子结构图像分类结果分别与所述药物分若所述分子结构图像分类结果与所述药物分子组成特征的第一相似度大于预设第一3若所述分子结构图像分类结果与所述药物分子属性特征的第二相似度大于预设第二若所述分子结构图像分类结果与所述药物分子结构的第三相似度大于预设第三相似获取疾病特征数据库，判断所述药物特征信息与所述疾病特获取对抗性属性列表，所述对抗性属性列表中记录有不同疾基于所述药物特征信息与所述生物学特征信息、所述化学特征信处理模块，用于基于已完成训练的图像分类模型对所述药物分子结构图像构节点特征并通过图拓扑结构的辅助信息对图卷积网络进行分层池化后，完成训练得到接收模块，接收对所述药物分子结构图像数据触发的分子分类任务解析单元，用于解析所述分子分类任务中所述药物分子结构图像数据的8.一种存储介质，所述存储介质中存储有至少一可器执行如权利要求1-6中任一项所述的基于人工智能的药物特征信息确定方法对应的操4所述存储器用于存放至少一可执行指令，所述可执行指令使所求1-6中任一项所述的基于人工智能的药物特征5助信息包括所述药物分子结构图像数据的全局结6[0016]进一步地，所述调取与所述分子结构图像分类结果匹配的药物特征处理流程之表征对不同药物分子结构图像数据执行所述药物特征处理流程中对[0023]若所述分子结构图像分类结果与所述药物分子组成特征的第一相似度大于预设[0024]若所述分子结构图像分类结果与所述药物分子属性特征的第二相似度大于预设[0025]若所述分子结构图像分类结果与所述药物分子结构的第三相似度大于预设第三7行池化，所述辅助信息包括所述药物分子结构图像数据的全局结构信息以及局部结构信类任务用于表征对不同药物分子结构图像数据执行所述药物特征处理流程中对应的处理[0046]解析单元，用于解析所述分子分类任务中所述药物分子结构图像数据的处理节[0049]计算单元，用于计算所述分子结构图像分类结果分别与所述药物分子组成特征、所述药物分子属性特征以及所述药物分子结构之间的一相似度大于预设第一相似度阈值，则确定包含所述药物分子组成特征的药物特征信息；二相似度大于预设第二相似度阈值，则确定包含所述药物分子属性特征的药物特征信息；8像分类模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对[0064]上述说明仅是本发明技术方案的概述，为了能够更清楚[0066]图1示出了本发明实施例提供的一种基于人工智能的药物特征信息确定方法流程9[0067]图2示出了本发明实施例提供的另一种基于人工智能的药物特征信息确定方法流[0069]图4示出了本发明实施例提供的又一种基于人工智能的药物特征信息确定方法流[0070]图5示出了本发明实施例提供的一种基于人工智能的药物特征信息确定装置组成智能医疗系统基于制作分子结构图的计算机软件生成目标药物的药物分子结构图像数据[0079]102、基于已完成训练的图像分类模型对所述药物分子结构图像数据进行分类处机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对图卷积网络进行分层池化后，A和特征矩阵X的基础上，使用Transformer启发的模块计算一个自注意力分数作为选择标[0083]本发明实施例中，由于分子结构图像分类结果中包含有不同原子-化学键的分类征处理流程中包含有预先配置的对不同分子结构图像分类结果进行匹配的药物分子组成流程与不同分子结构图像分类结果之间的对应关系，以便对原子-化学键的分类结果进行[0085]104、基于所述药物特征处理流程对所述分子结构图像分类结果执行特征匹配操构图像分类结果中包含的原子-化学键的分类结果进行一一对应匹配，即基于智能医疗系并基于所述辅助信息对所述引入所述自注意力机制的图卷积网络的]Wo；和恒等映射的GCNII(GraphConvolutionalNetworkviaInitialresidualand居节点信息，以基于Transformer自注意力机制和图像数据的网络拓扑信息的新的图粗化具有针对性的完成对不同分子结构图像分类结果的药物特[0100]对应的，步骤103调取与所述分子结构图像分类结果匹配的药物特征处理流程包[0107]为了使分子结构图像分类结果与药物特征处理流程中的各个处理节点进行特征子结构处理节点通过将分子结构图像分类结果与智能医疗系统中已存储的药物分子结构药物分子属性特征a与生物学特征信息的提高细胞接收氧原子速度特征之间存在标记，则说明包含有药物分子属性特征a的药物特征信息的目标药物可以用于治疗细胞接收氧原子像分类模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对行池化，所述辅助信息包括所述药物分子结构图像数据的全局结构信息以及局部结构信类任务用于表征对不同药物分子结构图像数据执行所述药物特征处理流程中对应的处理[0128]解析单元，用于解析所述分子分类任务中所述药物分子结构图像数据的处理节[0131]计算单元，用于计算所述分子结构图像分类结果分别与所述药物分子组成特征、所述药物分子属性特征以及所述药物分子结构之间的一相似度大于预设第一相似度阈值，则确定包含所述药物分子组成特征的药物特征信息；二相似度大于预设第二相似度阈值，则确定包含所述药物分子属性特征的药物特征信息；像分类模型为基于自注意力机制挖掘分子结构节点特征并通过图拓扑结构的辅助信息对[0143]图6示出了根据本发明一个实施例提供的一种计算机设备的结构示意图，本发明[0144]如图6所示，该计算机设备可以包括：处理器(processor)402、通信接口[0149]