公开(公告)号：CN108088834A

公开(公告)日：2018-05-29

申请号：CN201710822280.8

申请日：2017-09-13

Applicant: 新疆大学

Inventor： 程金盈 ,  陈晨 ,  吕小毅 ,  吕国栋 ,  莫家庆

IPC: G01N21/65 ,  G06N3/08 ,  G06K9/00

Abstract: 本发明公开了一种基于优化反向传播神经网络的包虫病血清拉曼光谱诊断仪，激光拉曼光谱仪对每个样品进行两次扫描，用于获取健康人和包虫病患者的血清样本，分别得到对应样本的光谱数据，并取其平均作为该样品的拉曼光谱数据并传输至所述计算机；计算机接收拉曼光谱数据，采用自适应迭代惩罚最小二乘法消除拉曼光谱数据中的拉曼荧光背景，并采用自归一化算法对去除荧光背景后的拉曼光谱数据进行去噪处理；计算机将去除荧光背景、以及噪声处理后的拉曼光谱数据采用偏最小二乘法降维后，取前3个主成分作为新的变量输入空间构造样本矩阵，使用反向传播神经网络分类，在123个样本中选出74个用于训练集，49个用于测试集。

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：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

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

IPC: G06Q10/06 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

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

Inventor： 吕小毅 ,  左恩光 ,  陈晨 ,  陈程

IPC: G06Q10/06 ,  G06K9/62

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。

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

Inventor： 张宁芮 ,  项炬 ,  李敏 ,  吕小毅 ,  陈晨 ,  严紫薇 ,  陈程

IPC: G16B20/00 ,  G16B40/30 ,  G06N20/00

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

Inventor： 陈晨 ,  谢小东 ,  孙甜甜 ,  吕小毅 ,  张紫薇

IPC: G16H50/50 ,  G06K9/62 ,  G01N21/65

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。