-
公开(公告)号：CN118629672A
公开(公告)日：2024-09-10
申请号：CN202411110690.6
申请日：2024-08-14
IPC: G16H70/40 , G16H20/10 , G16H50/70 , G06F18/25 , G16C20/50 , G16C20/70 , G16B35/00 , G16B40/00 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于多模态数据融合的药物协同组合预测方法，首先获取药物组合样本的药物特征向量和细胞系基因表达量；接着基于多头自注意力的图注意力网络和最大池化操作提取药物特征向量中的药物分子图特征；再基于可变形卷积网络提取药物特征向量中的药物摩根指纹特征，并通过空间重建模块抑制药物摩根指纹特征的冗余；然后基于多层感知机提取细胞系基因表达量中的细胞系特征；最后采用Transformer将药物分子图特征、重建后的药物摩根指纹特征和细胞系特征进行特征融合，得到药物协同组合预测结果。本发明通过融合药物的多模态数据，增强了模型对药物的表征能力，进而提高了对未知药物协同组合的预测精度和泛化能力。
-
公开(公告)号：CN118609855A
公开(公告)日：2024-09-06
申请号：CN202411078638.7
申请日：2024-08-07
Abstract: 本发明公开了一种基于异构图神经网络和多组学的癌症药物反应预测方法，涉及癌症药物反应预测领域，其通过构建细胞‑药物异构图神经网络，并将异构图神经网络应用到癌症药物反应预测问题模型构建，能够有效地学习细胞系与癌症药物之间存在的复杂联系；并且融合多组学数据，从多组学角度全面地学习细胞系特征，使模型更符合生物学意义，具备更好的鲁棒性，提高了癌症药物反应预测的准确率。
-
公开(公告)号：CN110163144A
公开(公告)日：2019-08-23
申请号：CN201910415244.9
申请日：2019-05-17
Abstract: 本申请公开了一种从视频中自动识别人体行为的方法及装置，引入小波分析理论，把原始视频帧分解到不同的频率和方向上，从而可以方便地从不同频率和方向上提取人体运动底层特征。使用相似度来表示贡献程度，从而可以避免因BoF码书的尺度不同而导致错误的指定方式，也可以表现不同底层特征对同一个视觉单词统计的贡献度。构建的BoTF特征编码方式可以有效地对底层特征的时间信息进行编码，从而克服BoF编码无序的缺点。基于小波变化和图相关理论设计一个多尺度特征提取和特征编码方法，解决DT方法缺失频率和方向以及BoF特征编码模型缺乏时间特征的问题，从而可以处理复杂的运动视频，并大大提高人体行为识别的正确率。
-
公开(公告)号：CN109559781A
公开(公告)日：2019-04-02
申请号：CN201811244350.7
申请日：2018-10-24
Applicant: 成都信息工程大学
Abstract: 本发明提出了一种预测DNA-蛋白质结合的双向LSTM和CNN模型，其中包括输入层、BLSTM层、卷积层、最大池化层、全连接层和输出层。输入层使用独热编码将每个输入序列表示为4行二进制矩阵；在BLSTM层中，前一层中的每个LSTM模型将从输入序列中接收DNA上感兴趣的信息，对从过去历史信息传递到隐藏状态的贡献进行编码解释；然后将其传播到下一个BLSTM模块中；卷积层中每个卷积核扫描输入的矩阵用于模体发现，不同强度的信息关联潜在的序列模式；最大池化层用于最大化每个卷积核的输出信号使其成一个完整的序列；输出层执行非线性转换以确定DNA-蛋白质结合的特征信息。
-
公开(公告)号：CN118819474B
公开(公告)日：2025-03-25
申请号：CN202411102829.2
申请日：2024-08-13
Applicant: 成都信息工程大学
IPC: G06F8/10 , G06F40/284 , G06F40/295 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/082
Abstract: 本发明公开了一种基于命名实体识别模型的软件功能点识别方法及系统，该方法包括如下步骤：S1：输入文本数据，进行数据预处理，得到文本中与功能点相关的数据集；S2：对文本数据进行编码处理，从文本中提取特征和上下文信息，得到词嵌入向量；S3：将位置嵌入向量、区域嵌入向量和词嵌入向量进行拼接后，进行卷积，得到细化后的特征；S4：由多层感知机和双仿射注意力机制组成的预测器推断出字符对之间的关系，并对所有可能的功能点类型进行解码，得到最终的功能点位置和其对应的功能点类型。本发明可以提高功能识别的准确性和可靠性，极大程度上节约人工成本。
-
Patent Agency Ranking
公开(公告)号：CN108763865B
公开(公告)日：2023-10-20
申请号：CN201810489037.3
申请日：2018-05-21
Applicant: 成都信息工程大学
IPC: G16B20/30 , G16B30/00 , G16B40/00 , G06N3/0464 , G06N3/098
Abstract: 本发明涉及一种预测DNA蛋白质结合位点的集成学习方法，其包括以下步骤：获取DNA结合蛋白质位点的蛋白质序列数据；对DNA结合蛋白质位点的蛋白质序列数据预处理；使用one‑hot编码方式构建输入数据；将提取的特征合并，构建每个蛋白质序列上氨基酸的特征，将其作为输入数据；使用SMOTE算法对正样本数据进行过采样；根据正样本大小将负样本数据分成多份，每份负样本与正样本组合成一个新的数据子集，得到N个数据子集；每个数据子集使用卷积神经网络进行训练；对N个卷积神经网络的结果进行多数投票法集成，从而得到预测结果。本发明解决了不平衡数据情况下的DNA蛋白质结合位点预测问题，提高了预测的准确性。
-
公开(公告)号：CN110427928A
公开(公告)日：2019-11-08
申请号：CN201910652768.X
申请日：2019-07-19
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于深卷积神经网络的自然场景图像文本检测方法，该方法具体包括以下步骤：制作数据集，将所有图片按照VOC格式制作成数据集，文件夹Annotation用于存放xml文件，每一个xml文件对应一张图像，并且每个xml文件中存放的是标记的各个目标的位置和类别信息。将自然图像通过ResNet网络从底层像素点获取更多的高级特征，然后利用BLSTM层提取字符序列的上下文特征，找到检测文本的边界框，有效地提高了文本检测的效果。本发明的有益效果：本发明使用自动学习，结合上下文特征替换人工定义的特征；本发明避免字符分割问题，实现端到端的无约束字符检测。提高了检测效率和精度，实现了对自然场景图像的文本检测。
-
公开(公告)号：CN109389584A
公开(公告)日：2019-02-26
申请号：CN201811083803.2
申请日：2018-09-17
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于CNN的多尺度鼻咽肿瘤分割方法。包括以下步骤：收集若干例患鼻咽肿瘤的病例，采集其鼻咽部位MRI图像数据；对上一步骤收集的MRI图像数据的病变区域逐层进行人工边缘标注，作为标签数据；对上一步骤得到的标签数据进行标准化预处理并转成二维数据集；构建基于CNN的多层二维卷积神经网络，使用上一步骤中的二维数据集进行训练；对于待分割的鼻咽部位MRI图像数据，采集同部位同样模态的医学图像，对采集的图像进行标准化处理；通过训练得到的网络模型，对待分割的鼻咽部位MRI图像数据进行自动分割。本发明可以实现对于鼻咽肿瘤的自动分割，且与主流网络对比能取得较高的精度。
-
公开(公告)号：CN109325514A
公开(公告)日：2019-02-12
申请号：CN201810872957.3
申请日：2018-08-02
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于改进CNN的简单学习框架的图像分类方法，其包括：输入图像I；将图像I分为大小为m×m的图像块集合；将图像Ii输入到卷积神经网络中进行训练；通过三层全连接层处理得到一维的矩阵，使用dropout正则化操作以避免过拟合；将神经网络中的输出结果输入到分类器里，输出得到分类结果。本发明提出了一种基于卷积神经网络的简单学习框架，表示为Brief–Net，并将其应用于图像分类，减少了训练的时间同时也提高了分类的精度。Brief–Net包括三个卷积层和最大池化层，接着是三个全连接层。采用softmax分类器来识别图像分类。本发明的方法能够有效减少训练时间和存储成本，具有较高的识别精度。
-
公开(公告)号：CN119479808A
公开(公告)日：2025-02-18
申请号：CN202411301445.3
申请日：2024-09-18
IPC: G16B30/00 , G16B40/00 , G16B5/00 , G06F18/10 , G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种单细胞数据降噪方法，涉及细胞数据处理领域，本方法基于DNA序列和RNA序列进行建模，同时预测染色质可及性和基因表达状态，并整合成对的单细胞多组学数据，将分类器的权重作为两种组学的细胞低维特征，利用对比学习学习其中的细胞异质性，刻画单细胞数据的真实轮廓和生物学信息，对单细胞数据集进行有效降噪。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.043 seconds)
