一种智能药品预警方法、电子设备以及计算机存储介质

专利主权项内容

1.一种智能药品预警方法，其特征在于，包括以下步骤：S1、获取用户上传的待服用药品信息，从所述待服用药品信息中提取特征信息，所述待服用药品信息的特征信息包括待服用药品的名称、待服用药品的服用数量、待服用药品的成分；所述药品包括中药、西药和藏药；S2、获取用户的固定长期用药信息，从所述固定长期用药信息中提取特征信息，所述固定长期用药信息的特征信息包括固定长期用药的名称、固定长期用药的服用数量、固定长期用药的成分；S3、如果未获取到用户的固定长期用药信息，将所述待服用药品信息的特征信息输入第一神经网络模型，所述第一神经网络模型对所述待服用药品进行鉴别，判断输入的所述待服用药品中是否存在不能同时服用的药品；如果存在不能同时服用的药品，则发送第一预警信息到用户设备端和医生设备端；如果获取到用户的固定长期用药信息，将所述待服用药品信息的特征信息和所述固定长期用药信息的特征信息输入第二神经网络模型，所述第二神经网络模型对所述待服用药品和所述固定长期用药进行鉴别，判断所述待服用药品与所述固定长期用药中是否存在不能同时服用的药品，如果存在不能同时服用的药品，则发送第二预警信息到用户设备端和医生设备端；所述步骤S3中，所述第一神经网络模型的构成方法包括：获取药品的名称、成分、药效，以及不同药品的服用禁忌；所述服用禁忌包括不能同时服用的药品，以及同时服用后会产生的具体副作用；根据获取的药品的名称、成分、药效，以及不同药品的服用禁忌构建知识图谱库，提取知识图谱库中的各类特征，根据所述特征训练第一神经网络模型；所述第一神经网络模型选择LSTM作为基学习器，LSTM的基本单元包括输出门、输入门、遗忘门以及细胞状态，其中所述细胞状态可以保存长期历史信息，保证所述第一神经网络模型训练过程中信息的有效流通；所述第一神经网络模型包含两个LSTM层，每一层LSTM都包含了作为基学习器的LSTM的基本单元，包括输出门、输入门、遗忘门以及细胞状态；对所述第一神经网络模型训练时，首先将知识图谱库中的各类特征输入到第一LSTM层中，将第一LSTM层的所有时间步上的隐藏状态输出到第二LSTM层中，接着第二LSTM层仅将最后一个时间步的隐藏状态作为输出，所有输出拼接后输入到全连接层进行特征组合，最后将全连接层的输出输入到sigmoid层进行最终分类输出；所述步骤S3中，所述第二神经网络模型的构成包括五层，具体为：输入层、词向量提取层、Bi-LSTM层、CRF层、输出层；其中，第一层为输入层，输入经过预处理的源文本数据，所述源文本数据由所述待服用药品信息和所述固定长期用药信息转换得到；第二层为词向量提取层，主要用于将输入词句序列中的单词表示为一个个维度为n的实体向量；第三层为Bi-LSTM层，通过训练Bi-LSTM神经网络作为分类器，选择Adam算法为模型的优化算法，tanh函数为激活函数，Bi-LSTM层设计双向LSTM层叠加，基本结构完成后初始化参数，在后续训练中进一步调整优化模型；第四层为CRF层，CRF层则通过对标签标记和文本转移规律的学习，计算标签间最优联合概率以优化标签序列；第五层为输出层，输出不能同时服用的药品信息及对应标签。 微信公众号马克数据网