-
公开(公告)号：CN114882939A
公开(公告)日：2022-08-09
申请号：CN202210675436.5
申请日：2022-06-15
Applicant: 上海大学
Abstract: 本发明公开了一种基于多模态表示学习的药物相互作用预测框架及预测方法，预测框架包括：使用多模态表示学习来提取药物特征，将小分子药物的的特征向量和生物制药的特征向量连接成一个药物对向量，把药物对向量中的每一个特征输入神经网络进行运算，对所有药物对特征的运算结果求均值。预测方法首先构建样本，将样本输入预测框架进行训练和测试，最后再输入药物对进行预测。本发明提出了一种双通道CNN有效提取序列中复杂的局部化学信息和上下文关系，异构网络中所有药物节点的关联信息被编码为一维特征向量，最后使用DNN对SMD和BioD相互作用进行预测，能够有效学习药物的复杂多模态特征以预测新的SBI。
-
公开(公告)号：CN113362360A
公开(公告)日：2021-09-07
申请号：CN202110593922.8
申请日：2021-05-28
Applicant: 上海大学
Abstract: 本发明公开了一种基于流体速度场的颈动脉斑块分割方法，包括：A.基于计算流体力学方法为每一张超声图像生成对应的血流速度场；B.对超声图像和速度场进行三通道均值标准化；C.构建多模态融合分割框架分割超声图像。本发明新提出的基于流体速度场的颈动脉斑块分割方法通过引入计算流体力学模拟的速度场，以及结合层次级特征融合、多尺度上下文信息提取、带偏向的上采样等深度学习技术的方式，该方法引入计算流体力学模拟的血流速度场，以利用含在速度场中的潜在有效先验知识帮助精确定位斑块，提高颈动脉超声斑块的分割精度。
-
公开(公告)号：CN101719194A
公开(公告)日：2010-06-02
申请号：CN200910199849.5
申请日：2009-12-03
Applicant: 上海大学
IPC: G06F19/00
Abstract: 本发明公开了一种人工基因调控网络的模拟方法，该方法步骤如下：A、根据真实基因调控网络的拓扑特性，构建具有全局稳定不动点的骨架网络；B、将骨架网络中的节点和边进行随机拆分；C、在骨架网络上增加新的节点：D、在新的节点的上产生新的边；E、设定模拟的网络规模，网络中包含R个节点，重复步骤C-D，产生新的节点和新的边，使人工基因调控网络增大，每重复一次，统计一次网络的节点数，直到网络增大到设定的网络规模为止。该方法具有很强的针对性和生物信息学应用性；模拟产生的人工基因调控网络具有动力学稳定性；为基因调控网络构建算法的性能测试提供了多样化人工基因调控网络，为系统生物领域的研究人员提供了新的基因网络模拟工具。
-
公开(公告)号：CN111680784B
公开(公告)日：2023-10-24
申请号：CN202010461315.1
申请日：2020-05-27
Applicant: 上海大学
IPC: G06N3/0464 , G06N3/0442 , G06N3/08 , G06Q10/04
Abstract: 本发明提出了基于时空多维影响力的海面温度深度学习预测方法。本发明方法包含三个步骤：1、量化空间影响力：利用目标观测点的邻居观测点海面温度数据量化它所受到的空间影响力，并且在目标海域上构建多维时空海面温度数据集。2、数据补全处理：使用邻居数据均值法对数据集进行数据补全处理。3、建立预测模型：结合GRU、CNN和MLP等深度学习技术，建立基于时空多维影响力的海面温度深度学习预测模型，即卷积门控循环单元多层感知机(Convolutional GRU with Multilayer Perceptron,CGMP)。该方法融合了时空多维影响力，结合了深度学习技术的方式，建立了一种精度高的海面温度预测模型，并且可以被广泛地应用到不同海域和不同尺度的海面温度预测中。
-
公开(公告)号：CN116912736A
公开(公告)日：2023-10-20
申请号：CN202310824387.1
申请日：2023-07-06
Applicant: 上海大学
IPC: G06V20/40 , G06V10/30 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/77 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种关键特征引导多维特征聚合的颈动脉斑块回声分类方法，将视频切帧、裁剪及预处理后输入ResNet‑50框架，在ResNet‑50的阶段4中添加关键特征模块和多维特征聚合模块，并且在全连接层之后对每一帧的预测结果求平均，实现斑块回声的分类。关键特征模块通过引入简洁的非线性学习机制和Softmax激活来自适应地推断每一帧对分类的贡献，降低干扰帧的影响；多维特征聚合模块在提取不同维度特征的同时挖掘不同维度之间的潜在联系，准确提取有效特征。该方法可以降低超声视频中干扰帧的影响，并且在提取多维度特征的同时挖掘不同维度特征间的联系，实现准确的回声分类任务，能够被广泛应用于颈动脉斑块回声分类。
-
Patent Agency Ranking
公开(公告)号：CN114943727A
公开(公告)日：2022-08-26
申请号：CN202210723775.6
申请日：2022-06-24
Applicant: 上海大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于关键点检测的颈动脉斑块回声分类方法，其特征在于包括：对超声图像的非成像区域进行裁剪，并归一化超声图现象；根据颈动脉超声斑块中心点的标注，利用一个非标准的二维正态分布生成用于定位的热图标签；将一个斑块视作一个点，利用关键点定位技术建立斑块定位子网络，完成颈动脉斑块中心点定位；在斑块定位子网络产出结果的基础上提取斑块的全局和局部特征，结合去冗余技术建立斑块分类子网络,完成颈动脉斑块回声分类。该方法可以缓解超声影像中斑块大小较小而带来的斑块特征提取困难，并且能差别利用斑块区域和整张超声图形的有效信息，能用于单斑块的颈动脉超声图像的回声分类。
-
公开(公告)号：CN114187251A
公开(公告)日：2022-03-15
申请号：CN202111470592.X
申请日：2021-12-03
Applicant: 上海大学
Abstract: 本发明公开了一种基于双通道卷积神经网络的癌症化疗疗效早期预测方法，将化疗前的图像数据和第一阶段化疗后的图像数据分别输入两个通道进行逐层卷积运算，两个通道之间进行特征融合，两个通道最后一层输出的特征进行加权融合得到输出结果，每个通道各有9个卷积层，进行四次特征融合和三次池化。本发明虑了不同化疗阶段数据间的联系性，能够有效地利用数据间的联系特征，此外本发明添加了通道权重分析策略，通过引入先验知识引导模型进行训练，较为充分地考虑了不同化疗阶段数据的联系性，只利用第一阶段新辅助化疗的超声影像数据即可完成预测任务，且精度高速度快。
-
公开(公告)号：CN111680784A
公开(公告)日：2020-09-18
申请号：CN202010461315.1
申请日：2020-05-27
Applicant: 上海大学
Abstract: 本发明提出了基于时空多维影响力的海面温度深度学习预测方法。本发明方法包含三个步骤：1、量化空间影响力：利用目标观测点的邻居观测点海面温度数据量化它所受到的空间影响力，并且在目标海域上构建多维时空海面温度数据集。2、数据补全处理：使用邻居数据均值法对数据集进行数据补全处理。3、建立预测模型：结合GRU、CNN和MLP等深度学习技术，建立基于时空多维影响力的海面温度深度学习预测模型，即卷积门控循环单元多层感知机(Convolutional GRU with Multilayer Perceptron,CGMP)。该方法融合了时空多维影响力，结合了深度学习技术的方式，建立了一种精度高的海面温度预测模型，并且可以被广泛地应用到不同海域和不同尺度的海面温度预测中。
-
公开(公告)号：CN104951668A
公开(公告)日：2015-09-30
申请号：CN201510160212.0
申请日：2015-04-07
Applicant: 上海大学
IPC: G06F19/16
Abstract: 本发明涉及一种基于级联神经网络结构的蛋白质关联图的预测方法。该方法步骤如下，如附图1：A．建立6个神经网络子网及1个级联神经网络；B．读取蛋白质数据集，并依据蛋白质长度对数据集进行分类；C．采用反向传播算法对神经网络子网进行训练学习；D．对级联神经网络进行训练学习；E．进行第一层神经网络子网的预测；F．完成第二层级联神经网络的预测，得到最终的蛋白质关联图。该方法采用多神经网络并形成级联结构进行预测，1.因此克服了单神经网络方法无法针对不同长度蛋白质优化处理的缺陷，提高了预测精度和稳定性；2.具有内在并行特质，各子网及级联网络可并行处理，提高计算效率。
-
公开(公告)号：CN101280011A
公开(公告)日：2008-10-08
申请号：CN200810037700.2
申请日：2008-05-20
Applicant: 上海大学
IPC: C07K14/435
Abstract: 本发明涉及一种与帕金森病相关的果蝇源蛋白CG2233及其应用。通过果蝇alpha－synclein A53T帕金森病模型的构建，以及系统生物学，生物信息学手段的辅助，我们得到了多个与帕金森病密切相关的蛋白，并且发现了一种新蛋白CG2233。借助人类中以alpha－synclein为中心的蛋白作用网络的构建，我们还预测这个蛋白的功能：内质网到高尔基体囊泡介导的蛋白转运以及细胞内的蛋白转运。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.02 seconds)
