公开(公告)号：CN117455838A

公开(公告)日：2024-01-26

申请号：CN202311239132.5

申请日：2023-09-22

Applicant: 鹏城实验室

Inventor： 田永鸿 ,  陈杰 ,  徐凡

IPC: G06T7/00 ,  G06T7/136 ,  G06T7/194

Abstract: 本申请的眼底图像的病灶预测模型的训练方法、预测方法及装置，涉及医学图像处理技术领域。获取眼底图像并按照预设尺寸进行网格划分，获取网格的标注结果，包括正结果网格和负结果网格。按照与预设尺寸不同的尺寸获取正结果网格的多个第一网格以及负结果网格的多个第二网格，并将第一网格和正结果网格构成正样本，第二网格和负结果网格构成负样本。将正样本或负样本输入病灶预测模型得到病灶预测值，计算聚焦损失值和分割损失值，以更新模型权重，直至达到迭代终止条件，得到训练好的病灶预测模型。由此设置包含多尺度网格的样本训练模型，同时兼顾不同尺寸的病灶，解决了不同病灶差异性大而难以同时检测的问题，有效提高眼底图像的病灶检出率。

公开(公告)号：CN117393047A

公开(公告)日：2024-01-12

申请号：CN202311155326.7

申请日：2023-09-07

Applicant: 鹏城实验室

Inventor： 陈杰 ,  聂志伟 ,  徐凡 ,  王振楠 ,  田永鸿

IPC: G16B30/10 ,  G16B40/00 ,  G16B5/20 ,  G16B15/30 ,  G06F18/22 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本申请涉及蛋白质多肽设计技术领域，提供了一种基于语言模型的抗病毒多肽序列设计方法，该利用目标病毒在病毒分类体系中所属更高类别的病毒的多肽序列进行分层筛选，即利用适用于对抗第一类别的病毒的多肽序列训练语言模型，以使语言模型能够按照适用于对抗第一类别的病毒的多肽序列生成候选多肽序列，同时利用适用于对抗第二类别的病毒的多肽序列训练多肽序列分类模型，以使多肽序列分类模型能够筛选出适用于对抗第二类别的候选多肽序列，最后利用适用于对抗目标病毒的多肽序列从序列相似度层面筛选候选多肽序列，将自然语言处理技术迁移到蛋白质工程领域通过分层式筛选不断缩小目标多肽序列的范围，降低抗病毒多肽序列的设计时间和资金成本。

公开(公告)号：CN116227581A

公开(公告)日：2023-06-06

申请号：CN202211579420.0

申请日：2022-12-08

Applicant: 鹏城实验室

Inventor： 田永鸿 ,  陈杰 ,  高文 ,  徐凡 ,  张弛

IPC: G06N3/096 ,  G06N3/04 ,  G06N3/0464

Abstract: 本发明公开了基于自适应参数隔离的迁移学习方法、装置、终端及介质，包括：获取当前源域在每个通道中的统计均值和统计方差，并获取目标域在每个通道中的统计均值和统计方差；根据所述当前源域的统计均值和统计方差、所述目标域的统计均值和统计方差计算得到通道抑制敏感因子；根据所述通道抑制敏感因子确定自适应参数隔离的目标函数，并根据所述自适应参数隔离的目标函数进行域自适应迁移学习。本发明通过自适应参数隔离，在增量域自适应中显著地减少了不同源域的干扰，以及通过自适应参数隔离充分保留和有效融合标注知识，提高了目标域的泛化性能。

公开(公告)号：CN115983375A

公开(公告)日：2023-04-18

申请号：CN202211581443.5

申请日：2022-12-09

Applicant: 鹏城实验室

Inventor： 田永鸿 ,  陈杰 ,  高文 ,  徐凡 ,  张弛

IPC: G06N3/096 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明所提供的一种基于领域对关联的迁移学习方法及装置，方法包括：当接收到目标域样本图像及目标域样本图像对应的类别标签时，获取源域样本图像；构建目标域样本图像与源域样本图像之间的特征关系图，得到特征相似图像对；将特征相似图像对输入预先训练的连续领域自适应模型中，将目标域样本图像对应的类别标签作为监督信息，并以基于特征互相关矩阵的预设学习目标为优化目标，对连续领域自适应模型进行迁移学习；将目标域目标图像输入已完成迁移学习的连续领域自适应模型中，得到预测结果。本发明实现了对比性的配对，在巩固模型先验关系的基础上对新源域的局部相关性进行增量探索，避免出现迁移性漂移现象，提高了预测结果的准确性。

公开(公告)号：CN119763661A

公开(公告)日：2025-04-04

申请号：CN202411732128.7

申请日：2024-11-27

Applicant: 鹏城实验室

Inventor： 徐凡 ,  黄显淞 ,  任智祥 ,  田永鸿

IPC: G16B30/10 ,  G16B40/00 ,  G06N3/045

Abstract: 本申请实施例提供蛋白质数据多模态特征对齐方法、装置、设备和存储介质，涉及生物医学技术领域。该方法通过利用蛋白质谱图编码器提取掩码谱图的谱图特征，利用蛋白质序列编码器提取掩码序列的序列特征。利用多模态特征提取模型获取谱图特征的谱图自注意力特征和序列特征的序列自注意力特征，根据谱图自注意力特征和序列自注意力特征进行交叉注意力计算，得到谱图交叉注意力特征和序列交叉注意力特征，并根据谱图交叉注意力特征得到谱图对齐特征，根据序列交叉注意力特征得到序列对齐特征。通过这种自上而下的跨模态特征对齐方式，进行高层次特征的聚合与对齐，提升蛋白质质谱数据的多模态特征提取准确性。

公开(公告)号：CN119314547A

公开(公告)日：2025-01-14

申请号：CN202411358103.5

申请日：2024-09-27

Applicant: 鹏城实验室

Inventor： 聂志伟 ,  刘雨田 ,  徐凡 ,  黄显淞 ,  陈杰 ,  任智祥 ,  田永鸿

IPC: G16B20/00 ,  G06F18/213 ,  G06N3/045

Abstract: 本申请实施例提供了一种抗体与抗原之间相互作用的预测方法以及相关设备，属于数据处理技术领域。该方法包括：获取目标抗体的抗体序列信息和目标抗原的抗原序列信息；提取抗体序列信息中的抗体序列特征，以及提取抗原序列信息中的抗原序列特征；确定抗体序列特征和抗原序列特征之间各自的双向注意力权重，并基于各个双向注意力权重提取抗体序列特征和抗原序列特征之间的双向注意力特征；将抗体序列特征映射到目标抗体的空间结构上，得到抗体结构特征；融合双向注意力特征和抗体结构特征得到目标特征，并基于目标特征确定目标抗体与目标抗原之间相互作用的目标预测结果。本申请能够提高对目标抗体与目标抗原之间相互作用的预测准确度。