机读格式显示(MARC)

• 000 01542nam0 2200253 450

• 001 0000798797

• 005 20250619160000.0

• 010 __ |a 978-7-5693-3735-8 |d CNY69.00

• 100 __ |a 20240710d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 610000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 基于数据挖掘与网络模型的药物不良事件预测及监测研究 |A ji yu shu ju wa jue yu wang luo mo xing de yao wu bu liang shi jian yu ce ji jian ce yan jiu |f 吉向敏著

• 210 __ |a 西安 |c 西安交通大学出版社 |d 2024.04

• 215 __ |a 155页 |c 图 |d 24cm

• 300 __ |a 国家自然科学基金、内蒙古自治区高等学校青年科技英才支持计划、内蒙古自治区自然科学基金、内蒙古自治区高等学校科学技术研究项目、内蒙古科技大学科研启动项目

• 320 __ |a 有书目 (第139-153页)

• 330 __ |a 本书依托多源药物大数据, 重点对药物不良事件预测以及监测存在的问题进行探索研究。首先, 针对药理学网络模型未考虑药物不良事件关联在数据集中的频率和样本量的问题, 提出了数据挖掘算法与药理学网络模型相结合的药物不良事件预测方法。其次, 针对表型特征以及分类器在药物不良事件预测研究中的重要性, 从减小冗余信息和提取高效特征的角度出发, 详细研究复杂网络拓扑结构的链路预测方法以及机器学习方法, 提出了基于特征融合预测网络模型 (FFPNMS) 的药物不良事件预测方法。最后, 针对现有药物数据挖掘算法存在的超参数问题, 提出了一种基于预测网络模型的贝叶斯信号监测算法 (ICFFPNM), 提升了监测的准确性, 有效降低了监测误差。

• 606 0_ |a 数据处理 |A shu ju chu li |x 应用 |x 药物副作用 |x 药政管理 |x 研究

• 690 __ |a R961-39 |v 5

• 701 _0 |a 吉向敏 |A ji xiang min |4 著

• 801 _0 |a CN |b 安徽时代 |c 20240710

• 905 __ |a LIB |d R961/23