-
公开(公告)号：CN118675646A
公开(公告)日：2024-09-20
申请号：CN202410752498.0
申请日：2024-06-12
Applicant: 安徽大学
IPC: G16C20/30 , G16C20/70 , G16B15/00 , G16B45/00 , G06F18/213 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的包虫病药物组合协同预测方法、装置、设备及介质，其中方法包括：使用ResGAT网络获取药物信息特征向量，构建包虫病靶蛋白PPI网络，使用node2vec网络获取靶蛋白特征向量，聚合后作为包虫病信息特征向量；训练并构建单药MLP预测模型；利用单药MLP预测模型和Bliss组成药物组合协同预测模型，获取药物组合协同预测结果。本发明通过充分利用药物组合化学分子图和包虫病的单一药物数据信息，提高了药物组合联合筛选预测的准确性，有效解决了药物组合训练数据不足的问题，提高了样本数据有限的包虫病的药物组合筛选预测的准确性。
-
公开(公告)号：CN118506046A
公开(公告)日：2024-08-16
申请号：CN202311652964.X
申请日：2023-12-05
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种面向乳腺癌组织病理学图像分类的深度神经网络方法，包括以下步骤：S1，设计模型的蓝图，并基于乳腺癌病理图像的实际情况进行优化；S2，将该优化后的模型中的Block进行轻量化处理，即将原本的卷积方式更改为深度可分离卷积；S3，在模型中添加注意力机制，筛选当前任务目标关键信息；S4，模型使用SGDM优化器，采取学习率衰减策略；S5，计算总损失函数值，优化模型的超参数。本发明所提供的组织病理学图像分类方法主要为解决组织病理学图像分辨率过高，难以充分提取特征的问题。本方法不仅可以充分提取组织病理学图像的特征信息，还将模型的参数量和计算量控制的很好，算力消耗维持在正常水准。
-
公开(公告)号：CN117831632A
公开(公告)日：2024-04-05
申请号：CN202311661320.7
申请日：2023-12-06
Applicant: 安徽大学
IPC: G16B40/00 , G16B15/30 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种推断基因调控网络的方法，包括以下步骤：S1，构建输入数据集，包括获取数据并对数据进行预处理，最终生成训练模型输入所需的4D张量；S2，构建注意力时间卷积网络，包括空洞因果卷积、注意力残差结构、激活函数、规范化、正则化、dropout；将4D输入张量输入注意力时间卷积网络中；S3，构建基因调控网络和实现基因功能分配。本发明可同时用于构建基因调控网络和实现基因功能分配，提高了模型在推断基因对之间调控关系时的性能，此外，注意力时间卷积网络可以同时学习时程scRNA‑seq数据的时间特征信息和空间特征信息，避免侧重于其中一类信息从而导致数据信息的丢失。
-
公开(公告)号：CN112417604B
公开(公告)日：2023-11-03
申请号：CN202011410857.2
申请日：2020-12-04
Applicant: 安徽大学
IPC: G06F30/15 , G06F30/27 , G06Q10/047 , G06Q10/0631 , G06N3/0499 , G06N3/08 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明公开了一种基于多目标优化的电动汽车配送任务自适应分配方法，包括：S1、假设在仓库内有一批相同的电动汽车，要将全部配送任务分配给电动汽车；规划配送路径的同时考虑充电设施选址，构建电动汽车任务分配多目标优化模型；S2、设计适用于路径规划和充电决策联合优化的染色体混合编码方案；S3、基于学习机制的多目标进化算法挖掘迭代进程历史信息；S4、插值拟合历史优秀解的进化轨迹预测潜在最优解的路径模式；S5、构建路径规划与选址方案的对应关系获取给定路径下的最优选址方案。本发明能对车辆运输配送路径和充电设施选址同时进行优化，从而能产生一组各个方面均优的分配方案，以根据实际情况选择合适的实施方案。
-
公开(公告)号：CN114582508A
公开(公告)日：2022-06-03
申请号：CN202210215060.X
申请日：2022-03-04
Applicant: 安徽大学
Abstract: 本发明公开了一种基于GCN和集成学习预测潜在关联的环状RNA‑疾病对的方法，包括：整合实验证实相关联的环状RNA‑疾病对，根据涉及到的环状RNA和疾病从相应数据库中获取序列信息和语义信息；利用图卷积神经网络并基于关联信息，环状RNA的相似性以及疾病间的相似性信息提取环状RNA的特征以及疾病的特征；构建正负样本平衡的数据集，并用其训练4基本分类器，并利用集成学习中的平均法结合策略对此些分类器集成并对所有未验证的环状RNA‑疾病对做出预测。本发明可以有效的基于已知的环状RNA‑疾病对信息预测潜在关联的环状RNA疾病对，提高预测模型的性能，为生物实验提供最有可能关联的环状RNA‑疾病对，从而促进相关生物实验的发展。
-
Patent Agency Ranking
公开(公告)号：CN110060730A
公开(公告)日：2019-07-26
申请号：CN201910267199.7
申请日：2019-04-03
Applicant: 安徽大学
Abstract: 本发明公开了一种基因模块分析方法，包括：输入基因表型双层网络、基因功能相似性网络和已知与疾病表型相关的疾病基因集合s0；增加基因表型双层网络中基因和表型之间的连接关系；将基因表型双层网络中与s0中疾病基因有边连接且不在s0中的基因作为候选基因，计算和选择语义相似性、拓扑相似性和表型关联性之和最大的候选基因加入s0，直到扩充的候选基因集合不再同时显著富集与疾病表型相关的GO本体功能注释、生物通路基因以及在疾病表型样本和正常样本中表达差异基因时，记当前代数为m，输出m-1代s0中扩充的候选基因以及与这些扩充候选基因有边连接的已知疾病基因。
-
公开(公告)号：CN106055568B
公开(公告)日：2019-06-28
申请号：CN201610338452.X
申请日：2016-05-18
Applicant: 安徽大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于单步添加团的社交网络朋友自动分组方法，该方法将社交网络描述为一个二元组，利用基于单步添加团的重叠社团检测算法来解决社交网络朋友自动分组问题。本发明能快速实现社交网络中朋友圈自动分组，提高分组效率和准确性，从而可以通过准确的朋友分组，为用户推荐更可靠地朋友，减少用户在搜索志同道合朋友时产生的不必要麻烦。
-
公开(公告)号：CN119889505A
公开(公告)日：2025-04-25
申请号：CN202411689563.6
申请日：2024-11-25
Applicant: 安徽大学
IPC: G16C20/30 , G06F18/213
Abstract: 本发明公开了一种基于深度学习的辅助筛选抗癌药物组合协同预测方法，采用TIAM模型，TIAM模型进一步考虑了三元关系，TIAM使用三个输入计算出一个三维注意力张量Attention3d来表示药物‑药物‑细胞系之间的三元关系，因此在TIAM中有两个Query，即Query1，Query2，Key，Value。TIAM要求三个输入，分别是药物a，药物b，细胞系c，分别用Xa、Xb和Xc表示，经过TIAM的处理输出后得到X′a、X′b和X′c。本发明采用三元注意力机制实现了药物‑药物‑细胞系的特征提取，相比现有的技术更加准确，有关联性。
-
公开(公告)号：CN119446267A
公开(公告)日：2025-02-14
申请号：CN202411536246.0
申请日：2024-10-31
Applicant: 安徽大学
IPC: G16B25/10 , G16B20/40 , G16B30/00 , G16B40/20 , G16B40/30 , G06F18/213 , G06F18/232 , G06F18/27 , G06N3/082 , G06N3/084 , G06N3/0985 , G06N3/045 , G06N3/0464 , G06N5/045
Abstract: 本发明公开了一种基于可解释深度学习的先天免疫基因表达的预测方法，包括：1、收集并预处理DNA启动子序列和表观遗传修饰数据，并将预处理后的数据集划分为训练集和独立测试集，以便对模型的预测性能进行验证；2、基于残差连接、卷积神经网络和注意力机制构建人类先天免疫基因表达预测网络；3、在多个细胞系上进行模型训练，得到最优人类先天免疫基因表达预测模型，并在独立测试集上评估模型的预测效果；4、通过积分梯度方法对模型进行事后可解释性分析，识别最有可能影响基因表达的关键基序。本发明通过对DNA序列信息和表观遗传修饰信息的更有效的提取，为深入理解先天免疫基因的调控机制以及开发个体化医疗提供了新的工具。
-
公开(公告)号：CN113990385B
公开(公告)日：2025-01-07
申请号：CN202111265124.9
申请日：2021-10-28
Applicant: 安徽大学
Abstract: 本发明公开了一种基于抗寄生虫感染的关键基因的化合物组合筛选方法，包括：1、对生物数据进行预处理后，针对每一个被寄生虫感染的个体构建单层差异相互作用网络，通过将多个单层网络的对应的基因节点连接，构建多层的基因相互作用网络，实现多网络的融合，再利用多层网络的PageRank算法计算基因在每层网络中的评分，利用所有层中对应相同基因的平均评分进行排序甄别关键基因；2、基于关键基因和已知的FDA批准的化合物及每种化合物的靶标基因集合，设计多目标优化函数模型，利用多目标优化算法得到较优的化合物组合。本发明能提高筛选抗寄生虫感染的化合物组合的时间效率，并筛选出较优的化合物组合。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.023 seconds)
