药物活性检测方法、装置、电子设备及存储介质与流程

技术特征：
1.一种药物活性检测方法，其特征在于，包括：获取待检测药物的药物成分集合；将所述药物成分集合输入至分类模型，得到所述分类模型输出的所述待检测药物是否具有活性的检测结果；其中，所述分类模型基于携带有正活性标签的正目标多示例包以及携带有负活性标签的负目标多示例包进行多示例学习得到；所述正目标多示例包基于核密度估计方法对携带有所述正活性标签的正药物成分多示例包中真阳性示例以及假阳性示例的分布进行估计，并对所述真阳性示例以及所述假阳性示例的数量进行调整后得到，所述负目标多示例包基于携带有所述负活性标签的负药物成分多示例包得到。2.根据权利要求1所述的药物活性检测方法，其特征在于，所述正目标多示例包基于如下方法确定：基于所述核密度估计方法，对所述正药物成分多示例包中真阳性示例以及假阳性示例的分布进行估计，分别得到真阳性示例集以及假阳性示例集；对所述真阳性示例集进行过采样处理，以增加所述真阳性示例集中真阳性示例的数量；对所述假阳性示例集进行欠采样处理，以减少所述假阳性示例集中假阳性示例的数量；基于所述过采样处理的结果以及所述欠采样处理的结果，确定所述正目标多示例包。3.根据权利要求2所述的药物活性检测方法，其特征在于，所述基于核密度估计方法，对所述正药物成分多示例包中真阳性示例以及假阳性示例的分布进行估计，分别得到真阳性示例集以及假阳性示例集，具体包括：对于所述正药物成分多示例包中的任一正示例，基于所述核密度估计方法，确定所述任一正示例的活性标签为负的概率值；确定所述正药物成分多示例包中所述概率值最大的第一预设数量个正示例为真阳性示例，并将所述真阳性示例存储至所述真阳性示例集；确定所述正药物成分多示例包中所述概率值最小的第二预设数量个正示例为假阳性示例，并将所述假阳性示例存储至所述假阳性示例集。4.根据权利要求2所述的药物活性检测方法，其特征在于，所述对所述真阳性示例集进行过采样处理，具体包括：基于自适应综合采样算法，对所述真阳性示例集进行过采样处理。5.根据权利要求2所述的药物活性检测方法，其特征在于，所述对所述假阳性示例集进行欠采样处理，具体包括：基于随机欠采样技术，对所述假阳性示例集进行欠采样处理。6.根据权利要求1-5中任一项所述的药物活性检测方法，其特征在于，所述负目标多示例包基于如下方法确定：基于所述负药物成分多示例包中各负示例周围预设范围内存在属于所述正药物成分多示例包中的正示例的数量，对各负示例赋予权重；所述权重用于表征各负示例在所述多示例学习的过程中被选取的可能性。
7.根据权利要求1-5中任一项所述的药物活性检测方法，其特征在于，所述正目标多示例包中的真阳性示例与假阳性示例的数量之间存在预设倍数的关系。8.一种药物活性检测装置，其特征在于，包括：获取模块，用于获取待检测药物的药物成分集合；检测模块，用于将所述药物成分集合输入至分类模型，得到所述分类模型输出的所述待检测药物是否具有活性的检测结果；其中，所述分类模型基于携带有正活性标签的正目标多示例包以及携带有负活性标签的负目标多示例包进行多示例学习得到；所述正目标多示例包基于核密度估计方法对携带有所述正活性标签的正药物成分多示例包中真阳性示例以及假阳性示例的分布进行估计，并对所述真阳性示例以及所述假阳性示例的数量进行调整后得到，所述负目标多示例包基于携带有所述负活性标签的负药物成分多示例包得到。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述药物活性检测方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述药物活性检测方法的步骤。

技术总结
本发明提供一种药物活性检测方法、装置、电子设备及存储介质，由于在确定正目标多示例包时引入核密度估计方法，考虑了正药物成分多示例包中真阳性示例以及假阳性示例的分布，可以确定正药物成分多示例包中各正示例的共同特征，以便于对正药物成分多示例包中的示例进行正确的标记；通过对真阳性示例以及假阳性示例的数量进行调整，进而得到正目标多示例包，可以有效提升正目标多示例包中真阳性示例的比例，缩小训练样本的类不平衡程度。通过正目标多示例包以及负目标多示例包对分类模型进行训练，可以使得到的分类模型准确率提升，保证药物活性检测结果的准确性。证药物活性检测结果的准确性。证药物活性检测结果的准确性。


技术研发人员：任玲钰
受保护的技术使用者：中移雄安信息通信科技有限公司 中国移动通信集团有限公司
技术研发日：2021.06.04
技术公布日：2022/12/5