-
公开(公告)号：CN112599187B
公开(公告)日：2022-03-15
申请号：CN202011510053.X
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于双流神经网络预测药物与靶标蛋白结合分数的方法，包括：S1、根据药物的SMILES序列生成药物的指纹向量；S2、根据靶标蛋白的氨基酸序列生成靶标蛋白的指纹向量；S3、将蛋白指纹和药物指纹输入非卷积神经网络，将蛋白序列与药物序列输入卷积神经网络；S4、利用attention机制融合两种神经网络提取的特征；S5、将融合的特征输入多层感知机，得到最终的双流神经网络，进而得到药物与靶标蛋白结合分数。本发明通过融合两种类别神经网络的方法，来提取单一神经网络难以提取完全的特征，再通过多层感知机预测药物与靶标蛋白结合分数，提升模型在药物与靶标蛋白结合分数预测上的准确率。
-
公开(公告)号：CN112884737A
公开(公告)日：2021-06-01
申请号：CN202110183836.X
申请日：2021-02-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于多级迭代的乳腺癌病理图像中有丝分裂自动检测方法，含步骤：S1：筛选有丝分裂与非有丝分裂候选集；S2：对训练集中的有丝分裂候选集进行数据增强；S3：搭建深度神经网络模型，随机初始化参数；S4：将S2的训练集放入S3搭建的模型中L轮训练，保存验证集F1值最高一轮的值及参数；S5：将前一步保存的参数作为初始化参数重新放入S3搭建的模型中再次训练L轮，保存该次最高的F1值及参数；S6:比较前两步保存的F1值，若后者提高，重复S5，直至验证集中F1值不再提高。本发明实现了高准确性的乳腺癌组织病理图像中有丝分裂自动检测功能，辅助病理医生对病人快速诊断。
-
公开(公告)号：CN112488234A
公开(公告)日：2021-03-12
申请号：CN202011454778.1
申请日：2020-12-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于注意力池化的端到端组织病理图像分类方法，该方法的具体步骤包括：S1：将组织病理图像切分成指定大小的切片，去除背景区域过多的切片，剩余的切片组成一个包。S2：将S1中得到的包作为输入，利用标准的多示例学习的方法训练一个深度神经网络。S3：使用训练后的深度神经网络对所有的切片打分，取每张全玻片图像得分最高和最低的m张切片，集合为一个新的包。S4：搭建一个包含注意力模块的深度神经网络，使用步骤S3得到的新包训练该网络。S5：将待分类的组织病理图像经S1和S3处理后，使用S4得到的模型进行分类。本发明可以在当前只有少量样本的情形下得到较好的分类效果，为医生提供辅助诊断机制，缓解医疗资源紧张的问题。
-
公开(公告)号：CN110584649B
公开(公告)日：2021-01-15
申请号：CN201910849077.9
申请日：2019-09-09
Applicant: 武汉大学
Abstract: 本发明公开了一种动态单导心电图中异常心电信号识别方法及系统，首先对获得的原始动态单导心电数据进行预处理；然后对预处理后的心电信号数据进行质量评估，质量评估结果分为质量可接受的心电信号数据和质量不可接受的心电信号数据；接着对质量可接受的心电信号数据进行拼接；接下来利用拼接后的质量可接受的心电信号数据对预先构建的心电分类模型进行训练优化，获得训练好的心电分类模型；最后将待识别的动态单导心电图进行预处理、质量评估以及数据拼接的处理，输入训练好的心电分类模型，获得分类识别结果。本发明的方法可以大大提高识别和分类的准确性。
-
公开(公告)号：CN111990989A
公开(公告)日：2020-11-27
申请号：CN202010894295.7
申请日：2020-08-31
Applicant: 武汉大学
IPC: A61B5/0402 , A61B5/0452 , A61B5/04
Abstract: 本发明提供了一种基于生成对抗网络及卷积循环神经网络的单导联心电异常信号识别方法，其主要解决了数据集中样本不平衡的问题，将数据集中数据量较少的类别进行数据增强，然后再进行心电异常信号的识别分类，辅助给医生提供参考，降低误诊、漏诊率，减轻医生的工作量；应用生成对抗网络使得数据集中的样本达到相对平衡，从而进行卷积循环神经网络的训练，以达到更好的分类效果。
-
Patent Agency Ranking
公开(公告)号：CN114171119B
公开(公告)日：2024-07-05
申请号：CN202111333910.8
申请日：2021-11-11
Applicant: 武汉大学
IPC: G16B20/50 , G16B40/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于核分数和组织病理全玻片图像的三阴性乳腺癌肿瘤突变负荷预测方法及系统，其中的方法首先筛选三阴性乳腺癌组织病理全玻片；然后根据每个三阴性乳腺癌患者的基因突变情况，计算每个患者的肿瘤突变负荷值，并根据设定的阈值划分为肿瘤突变负荷高和低两组；接着将三阴性乳腺癌组织病理全玻片图像切分为设定大小的patch；再根据核分数函数筛选出一定数量高核分数的patch；然后搭建CNN分类模型，并随机初始化CNN模型的参数；最后将筛选出来的patch放入搭建的CNN模型中训练，实现用三阴性乳腺癌组织病理全玻片图像自动预测肿瘤突变负荷高或低的结果。本发明大大提高肿瘤突变负荷的检测速度和准确些，有助于免疫治疗的推进。
-
公开(公告)号：CN115662630A
公开(公告)日：2023-01-31
申请号：CN202211264834.4
申请日：2022-10-17
Applicant: 武汉大学
IPC: G16H50/30 , G16H50/20 , G16H30/20 , G06V10/764 , G06V10/26 , G06V10/82 , G06V10/77 , G06N3/048 , G06N3/096 , G06N3/084
Abstract: 本发明公开了一种利用红外热图像自动筛查甲状腺疾病的方法及系统，属于人工智能技术中深度学习方法在医疗诊断领域的应用。本发明基于红外热图像，结合深度学习方法，提供了一种甲状腺疾病筛查方法，该方法根据采集到的受检者的甲状腺红外热图像自动对受检者患甲状腺疾病的风险程度进行评估，提高筛查效率、为医生提供客观、准确的筛查结果，指导医生选择合适的治疗方案。进一步的，本发明在利用红外热图像自动筛查甲状腺疾病方法的基础上设计了一个甲状腺疾病筛查系统，方便对筛查结果进行可视化的展示，以及生成筛查结果报告。
-
公开(公告)号：CN112884737B
公开(公告)日：2022-07-19
申请号：CN202110183836.X
申请日：2021-02-08
Applicant: 武汉大学
IPC: G06T7/00 , G06T7/136 , G06T7/155 , G06T7/60 , G06T7/90 , G06V10/44 , G06V10/56 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于多级迭代的乳腺癌病理图像中有丝分裂自动检测方法，含步骤：S1：筛选有丝分裂与非有丝分裂候选集；S2：对训练集中的有丝分裂候选集进行数据增强；S3：搭建深度神经网络模型，随机初始化参数；S4：将S2的训练集放入S3搭建的模型中L轮训练，保存验证集F1值最高一轮的值及参数；S5：将前一步保存的参数作为初始化参数重新放入S3搭建的模型中再次训练L轮，保存该次最高的F1值及参数；S6:比较前两步保存的F1值，若后者提高，重复S5，直至验证集中F1值不再提高。本发明实现了高准确性的乳腺癌组织病理图像中有丝分裂自动检测功能，辅助病理医生对病人快速诊断。
-
公开(公告)号：CN114360659A
公开(公告)日：2022-04-15
申请号：CN202111570217.2
申请日：2021-12-21
Applicant: 武汉大学
Abstract: 本发明提供了一种结合与或树与单步反应规则预测的生物逆合成方法及系统，其中的方法在对目标分子进行逆合成处理时，将目标分子的逆合成途径生成分解为多步单步反应规则预测。在单步反应规则预测时，上一步预测得到的反应规则的底物分子作为当次待预测反应规则的产物分子。以产物分子的SMILES序列作为输入，自定义计算产物分子的分子特征，以兼容多种单步反应规则预测模型。根据模型的预测结果确定反应规则，再基于与或树结构进行扩展。最终找到目标分子的潜在合成途径。本发明显著提高了找到可行合成途径的速度，不需人工设置复杂参数，能辅助生物学家更加快速地找到潜在的代谢途径，减少实验成本，提高实验效率。
-
公开(公告)号：CN111476266B
公开(公告)日：2022-04-12
申请号：CN202010125024.5
申请日：2020-02-27
Applicant: 武汉大学
Abstract: 本发明公开了一种基于迁移学习的非平衡类别白细胞分类方法，首先对数据集进行再划分，并进行数据增强和数据预处理，得到类别平衡的数据集。然后，采用迁移学习的技术，基于Resnet 50的深度学习模型，对网络参数进行调整，使用卷积，全局池化，dropout等操作代替全连接层，自定义网络的损失函数，进行迁移训练，实现白细胞分类的功能。本发明的方法相较于其他算法对数量较少的白细胞类别的关注度更高，模型的泛化能力更强。实验表明，本发明一种基于迁移学习的非平衡类别白细胞分类方法能够达到较高的精度和准确率，具有较高的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.021 seconds)
