[发明专利]一种基于多源数据融合的帕金森氏病药物推荐模型

权利要求书

1.一种基于多源数据融合的帕金森氏病药物推荐模型，包括如下步骤：

步骤(1)前期数据收集PD患者的运动和非运动症状以及相对应的医生开具临床治疗的药物处方；

步骤(2)根据观察到的运动和非运动症状设计基于特征和基于相似度的表示，分别为：运动和非运动症状的基于特征的表示以及利用线性核、高斯核和χ²卡方核计算任意两个特征向量之间的相似度的基于相似度的表示；

步骤(3)学习一个将观察到的症状与处方药联系起来的潜在症状空间，潜在症状空间是通过优化设计好的目标函数学习得到的；

步骤(4)迭代优化PALAS模型参数；

步骤(5)保存模型参数；

步骤(6)测试集测试结果并评估；

所述步骤(2)中的数据表示是一种多模态表示，设计了表示观察到的运动和非运动症状的基于特征的表示以及利用各种核函数设计了集中基于相似度的表示法来反映患者方面的相似度，随后基于特征和基于相似度的表示形式组合为观察到的运动和非运动症状的多模态表示；

所述步骤(3)中所述学习将观察到的症状与处方药联系起来的潜在症状空间，是通过多标签学习联合学习所有的预测任务，并引入潜在的症状空间来利用内在的症状与药物的联系；通过学习潜在症状空间，共同学习了两种转换，①观察到的症状转变为潜在症状转换，②潜在症状向治疗药物转换；

给定所有样本的多模态表示其中d_i是第i种模态的维度，以及n个训练样本的真实药物标签矩阵其中c是药品总数；目标是预测m个测试样本的药品标签；为保持维度的一致，引入作为额外的药品类标矩阵，并将该类标矩阵Y最后的m列设置为0；

所述PALAS模型中学习的潜在症状表示其中k表示潜在症状的数量；PALAS的目标函数在数学上定义如下：

其中是观察到潜在症状转换矩阵，潜在症状空间P能够表示第i个模态(X_i)，是从症状到药物的转换矩阵，V被限制为稀疏；是一个二进制对角矩阵表示为：

α和β是用于均衡等式中不同项的正则化参数。

2.根据权利要求1所述一种基于多源数据融合的帕金森氏病药物推荐模型，其特征在于：所述步骤(1)的数据收集过程中，包括136位年龄在48至92岁之间的PD患者的运动和非运动症状以及经验丰富的神经病理学家根据症状对于每位患者提供适合临床治疗的药物处方。

3.根据权利要求1所述一种基于多源数据融合的帕金森氏病药物推荐模型，其特征在于：所述步骤(4)中所述PALAS模型采用交替优化的策略；①固定P和V，更新U_i；②固定U_i和P，更新V；③固定U_i和V，更新P。

4.根据权利要求1所述一种基于多源数据融合的帕金森氏病药物推荐模型，其特征在于：所述步骤(6)中给定测试样本z由表示，其中s是不同模态的总数，药品标签通过如下获得：