-
公开(公告)号：CN117407767A
公开(公告)日：2024-01-16
申请号：CN202311383260.7
申请日：2023-10-24
Applicant: 新疆大学
IPC: G06F18/241 , G01N21/65 , G06F18/214 , G06F18/15 , G06N3/045 , G06N3/0499 , G06N3/049 , G06N3/084 , G16H50/20
Abstract: 本发明为一种系统性红斑狼疮分类模型及其建立方法、应用。一种系统性红斑狼疮分类模型的建立方法，包括以下步骤：(1)选择患者和健康对照组，收集新鲜的血液样本进行离心处理，获得血清样本；(2)收集数据：对所述的血清样本使用共聚焦拉曼光谱仪记录血清拉曼光谱；(3)数据预处理：将所述的血清拉曼光谱进行归一化处理；(4)采用所述的预处理后的数据建立分类模型，即所述的系统性红斑狼疮分类模型。本发明所述的一种系统性红斑狼疮分类模型及其建立方法、应用，采用拉曼光谱结合脉冲神经网络，对系统性红斑狼疮病有很大的筛查潜力，该技术有望开发出便携、经济且高准确率的系统性红斑狼疮病辅助筛查装置。
-
公开(公告)号：CN116883684A
公开(公告)日：2023-10-13
申请号：CN202310910820.3
申请日：2023-07-24
Applicant: 新疆大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明为一种基于点边转换和自动编码器的图的表征方法。一种基于点边转换和自动编码器的图的表征方法，包括以下步骤：(1)将顶点图G进行边到顶点的变换，得线图H；(2)通过掩码技术，所述的顶点图G和线图H同时送入自动编码器中进行编码，提取原图的边和顶点特征；(3)对所述的顶点图G和线图H编码进行解码；(4)通过顶点图顶点特征重建损失和线图顶点特征重建损失，构建训练过程中最小化目标。本发明所述的一种基于点边转换和自动编码器的图的表征方法，可以同时捕捉边和节点特征，在图分类任务上具有极佳的性能。
-
公开(公告)号：CN116681635A
公开(公告)日：2023-09-01
申请号：CN202310676311.9
申请日：2023-06-08
Applicant: 新疆大学 , 新疆医科大学第一附属医院
Abstract: 本发明为一种基于双脑异向网络的多模态医学图像的融合模型和方法。一种基于双脑异向网络的多模态医学图像的融合模型，包括：双脑异向网络模块和损失函数模块；所述的双脑异向网络模块包括：Lefthemisphere1、Lefthemispher2和Righthemisphere；其中，所述的Lefthemisphere1、Left hemispher2作为主干网络来分别提取全局特征；所述的Righthemisphere是一个动态引导网络，用于提取局部特征；所述的损失函数模块驱动网络关注边缘细节和结构信息。本发明所述的一种基于双脑异向网络的多模态医学图像的融合模型和方法，采用全局特征动态引导局部特征的方式，以此达到长期动态指导性关系建模，使得该网络能够充分实现跨东西半球集成互补特征信息的功能，解决多模态医学图像融合中的问题。
-
公开(公告)号：CN115392618A
公开(公告)日：2022-11-25
申请号：CN202210508457.8
申请日：2022-05-11
Applicant: 新疆大学
Abstract: 本发明为一种基于AHP‑EW和AE‑RNN融合的食品安全风险预警模型及其建立方法。一种基于AHP‑EW和AE‑RNN融合的食品安全风险预警模型的建立方法，包括：(1)对检测数据进行预处理后，使用AHP‑EW方法，获得各检测指标的权重占比；(2)通过与检测数据的加权求和获得产品样本的综合风险值，将其作为AE‑RNN网络的期望输出；(3)对检测数据进行训练集和测试集的划分，调试AE‑RNN的网络参数进行网络训练，由此建立所述的食品安全风险预警模型。本发明所述的一种基于AHP‑EW和AE‑RNN融合的食品安全风险预警模型及其建立方法，基于熵权的层次分析法(AHP‑EW)和自编码器‑循环神经网络(AE‑RNN)的算法框架，对于避免食品安全事故的发生具有积极的意义。
-
公开(公告)号：CN115062969A
公开(公告)日：2022-09-16
申请号：CN202210676050.6
申请日：2022-06-15
Applicant: 新疆大学
Abstract: 本发明为一种食品安全风险的预警方法。一种食品安全风险的预警方法，包括以下步骤：(1)对检测样本的检测数据进行归一化处理后，依据所述的检测样本之间的关联性进行结构化表示的构图；(2)对所述的样本数据进行采样，得到实例对；(3)建立基于GCN的对比学习模型并进行对比学习后，鉴别实例对的一致性，进行样本风险评估。本发明所述的一种食品安全风险的预警方法，命名为CSGNN算法框架，能够更充分地挖掘检测数据的结构信息和拓扑关联信息，更高效地完成对食品安全的风险早预警与控制，对于避免食品安全事故的发生具有积极的意义。
-
Patent Agency Ranking
公开(公告)号：CN111540405A
公开(公告)日：2020-08-14
申请号：CN202010356861.9
申请日：2020-04-29
Applicant: 新疆大学
Abstract: 本发明公开了疾病基因预测技术领域，具体领域为一种基于快速网络嵌入的疾病基因预测方法，可以更有效地利用多种关联数据中的信息来预测疾病相关基因。其方法由四部分组成：(1)利用疾病-基因、疾病-表型、蛋白质-蛋白质、基因-GO关联等多种类型的关联数据构建异构网络；(2)采用快速网络嵌入方法提取疾病和基因的低维矢量表示；(3)使用低维矢量表示构建由疾病和基因组成的双层异构网络；(4)将异构网络传播应用于网络预测疾病相关基因。本方法有提高疾病基因预测能力方面的重要作用，并通过与最新算法的比较验证了本方法的优越性能。
-
公开(公告)号：CN110890158A
公开(公告)日：2020-03-17
申请号：CN201911138857.9
申请日：2019-11-20
Applicant: 新疆大学
Abstract: 本发明为一种基于眼泪的脑梗死模型的建立方法及其应用。一种基于眼泪的脑梗死模型的建立方法，包括：(1)选择脑梗死患者和健康对照组，收集泪液样本后，置于-80℃下保存；(2)收集数据：实验时取出泪液样本，常温解冻后，使用共聚焦拉曼光谱仪记录泪液拉曼光谱；(3)数据预处理：拟合所有血清自身荧光背景后，减去该多项式以校正基线；再每个背景扣除的拉曼光谱通过曲线下的积分面积归一化；(4)多元统计分析：对预处理后的数据进行降维处理后，采用支持向量机建立分类模型。本发明所述的一种基于眼泪的脑梗死模型的建立方法及其应用，对脑梗死有很大的筛查潜力，该技术有望开发出便携、经济且高准确率的脑梗死早期辅助筛查装置。
-
公开(公告)号：CN110726687A
公开(公告)日：2020-01-24
申请号：CN201911132103.2
申请日：2019-11-19
Applicant: 新疆中检联检测有限公司 , 新疆大学
Abstract: 本发明实施例是关于一种基于光谱分析的水质采样分析无人船及其采样分析方法，涉及水质监测技术领域，主要目的在降低水质监测人力成本的同时，提高水质监测精度。主要采用的技术方案为：通过定位导航装置导向所述船体行驶至预定的位置；启动所述水样采集装置对预定位置的水域进行采样以得到样品，启动光谱分析装置对所述样品分析得水质分析结果；通过所述无线通信装置将所述水质分析结果发送至远程数据站。本方案中，通过现场采样，现场分析的方式，可以及时的对采样样本进行水质分析，并将水质分析结果通过无线网络发送至远程数据站，提高了水质监测精度的同时，无需人工的采样监测，降低水质监测人力成本。
-
公开(公告)号：CN119322049A
公开(公告)日：2025-01-17
申请号：CN202411357798.5
申请日：2024-09-27
Applicant: 新疆大学
Abstract: 本发明为Ag@Pt@PSB复合SERS衬底及制备方法、应用、CXB模型及建立方法、应用。一种Ag@Pt@PSB复合SERS衬底的制备方法，包括以下步骤：(1)制备PSB布拉格反射镜；(2)将所述的PSB布拉格反射镜浸入硝酸银溶液中40‑60s后，取出，再浸入氯铂酸溶液中，至少3min后，用水清洗、干燥，得所述的Ag@Pt@PSB复合SERS衬底。本发明所述的Ag@Pt@PSB复合SERS衬底及制备方法、应用、CXB模型及建立方法、应用，采用电化学腐蚀和原位还原法成功开发了一种新型的Ag@Pt@PSB复合SERS活性衬底，其具有更高的SERS增强效应和更高的灵敏度，从而可用于赛来昔布检测中；并且将该衬底与深度学习算法结合，可建立精准度更高的CXB模型。
-
公开(公告)号：CN117788137A
公开(公告)日：2024-03-29
申请号：CN202311598378.1
申请日：2023-11-28
Applicant: 新疆维吾尔自治区农村信用社联合社 , 新疆大学
IPC: G06Q40/03 , G06F16/33 , G06F16/35 , G06F16/36 , G06F18/214 , G06N20/20 , G06F18/27 , G06N20/10 , G06N3/048
Abstract: 本发明为基于非结构化数据的中小企业信贷违约的预测模型及构建方法。基于非结构化数据的中小企业信贷违约的预测模型的构建方法，包括以下步骤：(1)对中小企业信贷调查报告进行文本信息提取后，从文本属性和文本主题方面挖掘文本指标；(2)所述的文本指标结合机器学习算法，构建所述的预测模型。本发明所述的基于非结构化数据的中小企业信贷违约的预测模型及构建方法，引入信贷调查报告进行中小企业信贷违约预测，并从文本属性、文本主题两方面挖掘文本指标，以此全面探究信贷调查报告的预测能力。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.024 seconds)
