公开(公告)号：CN113592338A

公开(公告)日：2021-11-02

申请号：CN202110909891.2

申请日：2021-08-09

Applicant: 新疆大学 ,  新疆艾旗斯德检测科技有限公司

Inventor： 左恩光 ,  陈晨 ,  吕小毅 ,  陈程 ,  严紫薇 ,  吴伟 ,  李敏

IPC: G06Q10/06 ,  G06N3/04 ,  G06N3/08 ,  G06F16/35

Abstract: 本发明为一种食品质量管理安全风险预筛查模型。一种食品质量管理安全风险预筛查模型，包括：(1)文本数据获取及预处理；(2)预处理后的文本数据编码向量化；(3)通过有监督的深度学习中注意力得分机制，判断食品安全危害程度。本发明所述的一种食品质量管理安全风险预筛查模型，是一种基于关联注意力机制的新型食品文本挖掘技术，利用消费者评论中每个词和unsafety标签的互信息，计算出每个词与食品安全危害的关联得分，再结合有监督的深度学习中注意力得分进一步挖掘消费者与危险食品的潜在互动，从而可以快速筛查潜在的食品安全问题。

公开(公告)号：CN119006501A

公开(公告)日：2024-11-22

申请号：CN202411009523.2

申请日：2024-07-26

Applicant: 新疆大学 ,  新疆医科大学第一附属医院

Inventor： 李敏 ,  王云玲 ,  吕小毅 ,  陈晨 ,  左恩光 ,  帕哈提·吐逊江 ,  陈程 ,  李峰

IPC: G06T7/13 ,  G06N3/0464 ,  G06T5/50 ,  G06T5/60 ,  G06T5/40 ,  G06V10/80

Abstract: 本发明为一种缺血性脑卒中多序列磁共振图像的融合模型及方法。一种缺血性脑卒中多序列磁共振图像的融合模型，包括：病灶检测模块、2个渐进式特征引导模块、边缘检测模块，损失函数模块；所述的病灶检测模块：用于聚焦到DWI图像中的高信号病灶区域；所述的渐进式特征引导模块：用于引导模态图像分支进行特征提取；所述的边缘检测模块：用于提取病灶边缘特征。本发明所述的一种缺血性脑卒中多序列磁共振图像的融合模型及方法，不仅在客观指标上达到SOTA，且主观融合效果更具解释性，首次实现了对缺血性脑卒中辅助诊断主客观评价的统一，有效解决缺血性脑卒中多序列磁共振图像融合中的临床问题。

公开(公告)号：CN118655123A

公开(公告)日：2024-09-17

申请号：CN202410745924.8

申请日：2024-06-11

Applicant: 新疆艾旗斯德检测科技有限公司 ,  新疆大学

Inventor： 陈晨 ,  陈程 ,  薛友

IPC: G01N21/65

Abstract: 本发明为海胆状SERS基底及制备方法、应用、SLE分类模型及建立方法、应用。海胆状SERS基底的制备方法，包括以下步骤：(1)制备PSi布拉格反射镜；(2)将所述的PSi布拉格反射镜浸泡在硝酸银溶液中40‑80s后，取出，在其表面滴加四氯金酸溶液，至少3min后，用水清洗、干燥，得具有海胆状结构的Au@Ag‑PSi，即所述的海胆状的SERS基底。本发明所述的海胆状SERS基底及制备方法、应用、SLE分类模型及建立方法、应用，采用电化学腐蚀法和原位还原法合成了以Au NPs为外壳，Ag NPs为核心，多孔硅(PSi)为基底的新型SERS基底，其具有更高的SERS增强效应和更高的灵敏度，从而可用于罗丹明检测和SLE分类中。

公开(公告)号：CN117174204A

公开(公告)日：2023-12-05

申请号：CN202311213836.5

申请日：2023-09-20

Applicant: 新疆大学

Inventor： 陈晨 ,  左恩光 ,  陈程 ,  吕小毅 ,  王鹏博 ,  严紫薇

IPC: G16C20/70 ,  G16C20/20 ,  G06N20/20 ,  G06N5/01 ,  G06F18/214 ,  G06F18/243

Abstract: 本发明为基于集成学习算法的驼乳掺假的检测模型及建立方法、检测方法。基于集成学习算法的驼乳掺假的检测模型，包括：数据预处理模块、集成学习算法模块、掺假鉴别模块；其中，所述的数据预处理模块：对数据进行归一化处理；所述的集成学习算法模块：将所述的预处理得到的归一化数据输入到集成学习算法中训练并构建多个弱学习器，再将每个弱学习器得到的叶子节点权重加权求和生成强学习器；所述的掺假鉴别模块：对样品进行鉴别。本发明所述的基于集成学习算法的驼乳掺假的检测模型及建立方法、检测方法，不易受样本量大小的限制，简单高效地实现了乳制品的掺假鉴别。

公开(公告)号：CN119741977A

公开(公告)日：2025-04-01

申请号：CN202411807154.1

申请日：2024-12-10

Applicant: 新疆大学

Inventor： 刘沛 ,  陈金超 ,  陈忻雅 ,  陈晨 ,  陈程 ,  吕小毅 ,  程志远

IPC: G16B40/30 ,  G16B30/00 ,  G06F18/2113

Abstract: 本发明为一种基于子空间距离的可扩展特征选择方法。一种基于子空间距离的可扩展特征选择方法，包括以下步骤：(1)scRNA‑seq数据预处理，得基因表达矩阵；(2)所述的基因表达矩阵通过方差‑协方差子空间距离进行基因特征选择，构建目标函数；(3)根据所述的目标函数不断进行更新迭代，计算迭代后的权重矩阵中每一行的重要性评分并按降序排序，选择排名靠前的前K个基因特征输出。本发明所述的一种基于子空间距离的可扩展特征选择方法，可精准可靠地聚类单细胞。

公开(公告)号：CN117911747A

公开(公告)日：2024-04-19

申请号：CN202311773774.3

申请日：2023-12-22

Applicant: 新疆大学

Inventor： 陈程 ,  赵诗佳 ,  陈晨 ,  吕小毅

IPC: G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种用于神经网络的输入图像预处理方法，采用每个像素点的像素值全部为0的图像与输入图像进行加权平均预处理，同时引入XAI来推理分析采用不同取值的加权权重进行加权平均预处理得到的图像，得到推理精度和梯度积分后的特征图，采用加权权重的每个取值及对应的推理精度构成二维坐标点，在二维坐标系中标定这些二维坐标点形成推理精度曲线，进而基于推理精度曲线确定加权权重的最终取值，得到最终的预处理图像；优点是不但能够降低预处理过程中输入图像的计算复杂度，预处理效率较高，而且能够减少输入图像所需要的量化位宽，从而能够降低后续神经网络推理计算量和存储量，保证神经网络部署的实时性，并且可以避免神经网络黑盒问题。

公开(公告)号：CN115184336B

公开(公告)日：2024-03-15

申请号：CN202210829567.4

申请日：2022-07-15

Applicant: 新疆维吾尔自治区人民医院 ,  新疆大学

Inventor： 武丽君 ,  吕小毅 ,  陈晨 ,  陈程 ,  吴雪

IPC: G01N21/65 ,  G06F18/214 ,  G06F18/2135 ,  G06F18/22 ,  G06F18/2411 ,  G06F18/2413

Abstract: 本发明提供了一种基于血清拉曼光谱干燥综合征和间质性肺病识别方法，属于医学图像处理领域。具体采用拉曼光谱进行干燥综合征和间质性肺病辅助识别特征数据，为了提升分类准确性，针对性的提出一种改进拉曼光谱数据分类方法。通过本申请的拉曼光谱结合改进的机器学习算法是辅助诊断干燥综合征合并间质性肺病患者的一种有价值工具，具有广阔的应用前景，可以为医生诊断做辅助参考结果。

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

Inventor： 陈晨 ,  陈程 ,  常晨洁 ,  吕小毅

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

Inventor： 左恩光 ,  陈晨 ,  陈程 ,  吕小毅 ,  严紫薇

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

Inventor： 李敏 ,  吕小毅 ,  王云玲 ,  陈晨 ,  陈程 ,  左恩光

IPC: G06T5/50 ,  G06N3/045 ,  G06N3/0985 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

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。