論文の概要: FMCHS: Advancing Traditional Chinese Medicine Herb Recommendation with Fusion of Multiscale Correlations of Herbs and Symptoms

• arxiv url: http://arxiv.org/abs/2503.05167v1
• Date: Fri, 07 Mar 2025 06:14:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:21:41.501228
• Title: FMCHS: Advancing Traditional Chinese Medicine Herb Recommendation with Fusion of Multiscale Correlations of Herbs and Symptoms
• Title（参考訳）: FMCHS:漢方医学におけるハーブ勧告の推進とハーブと症状のマルチスケール相関の融合
• Authors: Xinhan Zheng, Huyu Wu, Haopeng Jin, Ruotai Li,
• Abstract要約: 伝統的な中国医学(TCM)は、疾患治療と医療において顕著な治療効果を示す。 本稿では, ハーブの分子スケール化学的特性と臨床症状を融合したFMCHS(Multiscale correlations of Herbs and Symptoms)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Traditional Chinese medicine (TCM) exhibits remarkable therapeutic efficacy in disease treatment and healthcare through personalized herb prescriptions. However, current herb recommendation models inadequately capture the multiscale relations between herbs and clinical symptoms, particularly neglecting latent correlations at the chemical-molecular scale. To address these limitations, we propose the Fusion of Multiscale Correlations of Herbs and Symptoms (FMCHS), an innovative framework that synergistically integrates molecular-scale chemical characteristics of herbs with clinical symptoms. The framework employs multi-relational graph transformer layers to generate enriched embeddings that preserve both structural and semantic features within herbs and symptoms. Through systematic incorporation of herb chemical profiles into node embeddings and implementation of attention-based feature fusion, FMCHS effectively utilizes multiscale correlations. Comprehensive evaluations demonstrate FMCHS's superior performance over the state-of-the-art (SOTA) baseline, achieving relative improvements of 8.85% in Precision@5, 12.30% in Recall@5, and 10.86% in F1@5 compared to the SOTA model on benchmark datasets. This work facilitates the practical application of TCM in disease treatment and healthcare.
• Abstract（参考訳）: 伝統的な中国医学(TCM)は、パーソナライズされたハーブ処方薬を通して、疾患治療と医療において顕著な治療効果を示す。 しかし、現在のハーブレコメンデーションモデルでは、ハーブと臨床症状のマルチスケールの関係が不十分であり、特に化学分子スケールでの潜在相関は無視されている。 これらの制約に対処するために,ハーブの分子スケール化学的特性と臨床症状を相乗的に統合する革新的枠組みであるFMCHS(Fusion of Multiscale correlations of Herbs and Symptoms)を提案する。 このフレームワークは、マルチリレーショナルグラフトランスフォーマーレイヤを使用して、ハーブや症状の構造的特徴と意味的特徴の両方を保持する、リッチな埋め込みを生成する。 ノード埋め込みへのハーブ化学プロファイルの体系化と注目機能融合の実装を通じて、FMCHSはマルチスケール相関を効果的に活用する。 総合的な評価では、FMCHSは最先端(SOTA)ベースラインよりも優れたパフォーマンスを示し、Precision@5の8.85%、Recall@5の12.30%、ベンチマークデータセットのSOTAモデルと比較してF1@5の10.86%の相対的な改善を実現している。 本研究はTCMの病気治療および医療への応用を促進する。

関連論文リスト

• Graph Neural Networks for Quantifying Compatibility Mechanisms in Traditional Chinese Medicine [0.0]
  我々は,従来のTCM理論と現代生物医学科学を橋渡しする知識グラフを開発した。 本研究は,解釈可能なモデル,オープンソースデータ,コードを用いて,TCM理論の進歩と薬物発見のための堅牢なツールを提供する。
  論文  参考訳（メタデータ） (2024-11-18T11:16:13Z)
• CACER: Clinical Concept Annotations for Cancer Events and Relations [22.866006682711284]
  本研究は,48,000件以上の医学的問題と薬物イベントに対する微粒な注釈付き新規コーパスCACERについて紹介する。 微調整および文脈内学習を用いたトランスフォーマーに基づく情報抽出モデルの開発と評価を行う。
  論文  参考訳（メタデータ） (2024-09-05T20:42:35Z)
• TCM-FTP: Fine-Tuning Large Language Models for Herbal Prescription Prediction [17.041413449854915]
  伝統的な中国医学(TCM)は、様々な症状や兆候を何千年も治療するために処方薬中のハーブの特定の組み合わせに依存してきた。 TCM処方薬の予測は、重要な実用上の意味を持つ、魅力的な技術的課題を生じさせる。 textitDigestDSは、消化器系疾患の経験者による医療記録を含む新しいデータセットである。 また、textitDigestDS上で教師付き微調整を行うことで、事前訓練された大規模言語モデル(LLM)を活用するためのTCM-FTP(TCM Fine-Tuning Pre-trained)を提案する。
  論文  参考訳（メタデータ） (2024-07-15T08:06:37Z)
• Sequential Condition Evolved Interaction Knowledge Graph for Traditional Chinese Medicine Recommendation [9.953064118341812]
  伝統的な中国医学(TCM)は、病気の多様性を治療するために天然のハーブを利用する豊富な歴史を持っている。 既存のTCM推奨アプローチは、患者の状態の変化を見落とし、症状と処方薬の間の潜在的なパターンのみを探索する。 本稿では,患者の症状の動態を考慮し,モデルを逐次処方薬製造問題として扱う新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-05-29T03:13:39Z)
• Advancing Radiograph Representation Learning with Masked Record Modeling [52.04899592688968]
  我々は2つの相補的な目的として自己と報告の補完を定式化し、マスク付きレコードモデリング(MRM)に基づく統一的な枠組みを提案する。 MRMは、知識強化されたセマンティック表現を学ぶためのマルチタスクスキームに従って、マスクされた画像パッチとマスクされたレポートトークンを再構築する。 具体的には、MRMはラベル効率の良い微調整において優れた性能を提供する。
  論文  参考訳（メタデータ） (2023-01-30T18:33:32Z)
• Drug Synergistic Combinations Predictions via Large-Scale Pre-Training and Graph Structure Learning [82.93806087715507]
  薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。 ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。 我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-01-14T15:07:43Z)
• Scaffold-Based Multi-Objective Drug Candidate Optimization [9.53584200550524]
  グラフに焦点をあてたマルコフ連鎖モンテカルロフレームワークを導入し、最適な性質を持つ分子を生成する。 ScaMARSの多様性スコアは84.6%であり、条件付きモデルよりも99.5%高い。
  論文  参考訳（メタデータ） (2022-12-15T21:42:17Z)
• MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
  フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-03T14:06:03Z)
• Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
  両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。 実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-01-22T19:49:47Z)
• Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
  信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-08-06T20:20:22Z)
• Syndrome-aware Herb Recommendation with Multi-Graph Convolution Network [49.85331664178196]
  ハーブレコメンデーションは、中国伝統医学の治療過程において重要な役割を担っている。 ハーブ推薦を考慮した暗黙的シンドローム誘導法を提案する。
  論文  参考訳（メタデータ） (2020-02-20T05:56:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。