基于人机交互的模型训练方法、装置、终端及存储介质

    公开(公告)号:CN115905856A

    公开(公告)日:2023-04-04

    申请号:CN202211222416.9

    申请日:2022-10-08

    Abstract: 本发明公开了一种基于人机交互的模型训练方法、装置、终端及存储介质,包括:获取医学数据集,根据所述医学数据集对BERT模型或GPT模型进行调整,得到调整后的模型;根据余弦相似性约束和CAM对所述调整后的模型进行训练,得到训练后的模型;根据所述训练后的模型进行预测,并根据预测结果和人机交互信息更新并输出预测报告及分类结果。本发明基于人机交互的方式,使用再处理的方法,在模型首次输出图像诊断报告后,由使用人临床医生等对其结果进行判断,对存疑部分可进行少量的修改,将修改的结果重新当作语言模块的输入并进行训练,实现了人机交互的模型训练功能,提高了模型的疾病预测精度。

    利用自然语言模型自动生成结构化报告的方法及相关设备

    公开(公告)号:CN115631825A

    公开(公告)日:2023-01-20

    申请号:CN202211078506.5

    申请日:2022-09-05

    Abstract: 本发明公开了利用自然语言模型自动生成结构化报告的方法及相关设备,所述方法包括:获取输入的样本图像,图像诊断网络根据样本图像生成隐藏状态序列和分类标识序列,并得到结构是否异常的预测结果;若所述预测结果为无结构异常,获取所述样本图像中的无异常样本图像,完整报告生成网络根据所述无异常样本图像生成无异常图像的医学图像报告;若所述预测结果为存在结构异常,获取所述样本图像中的有异常样本图像,任务感知报告生成网络根据所述有异常样本图像生成有异常图像的医学图像报告。本发明根据样本图像是否有异常分别进行医学图像报告的生成,通过对不同结构分别生成报告的方式,保证生成报告诊断的准确性,从而大大降低了医生的工作量。

    一种药物-靶点交互作用预测方法、系统及终端设备

    公开(公告)号:CN115101142A

    公开(公告)日:2022-09-23

    申请号:CN202210632799.0

    申请日:2022-06-07

    Abstract: 本发明公开了一种药物‑靶点交互作用预测方法、系统及终端设备,方法包括步骤:将药物SMILES字符串建模为分子图,并使用GNN图神经网络提取所述分子图的药物特征信息;使用分级Transformer网络对靶点氨基酸序列进行靶点特征信息提取;将药物特征信息和靶点特征信息连接起来送入全连接层,进行药物‑靶点交互作用预测输出。本发明基于GNN和分级Transformer网络进行DTI预测,结合两种网络各自的特点,并且对原始的transformer网络进行了改进,大大提升了预测准确度和预测性能。

    蛋白质稳定性预测方法、装置、计算机设备及存储介质

    公开(公告)号:CN119360981A

    公开(公告)日:2025-01-24

    申请号:CN202411375114.4

    申请日:2024-09-29

    Abstract: 本申请实施例提供了一种蛋白质稳定性预测方法、装置、计算机设备及存储介质。方法包括:获取原始型蛋白质对应的第一待测序列与对应的突变型蛋白质的第二待测序列;根据蛋白质语言模型的注意力机制从第一待测序列中确定多个第一目标残基特征并对其进行全局特征的提取,得到第一虚拟结构微环境特征;同理,得到多个第二目标残基特征对应的第二虚拟结构微环境特征;基于第一虚拟结构微环境特征和第二虚拟结构微环境特征确定第一差值,并基于第一待测序列对应的第一全局序列特征和第二待测序列对应的第二全局序列特征确定第二差值;根据第一差值和第二差值进行预测,得到蛋白质稳定性预测结果。以此,能够提高对蛋白质的稳定性进行预测的准确性。

    图像分类方法和装置、设备及存储介质

    公开(公告)号:CN116778246A

    公开(公告)日:2023-09-19

    申请号:CN202310751960.0

    申请日:2023-06-25

    Abstract: 本申请实施例提供了一种图像分类方法和装置、设备及存储介质,属于图像分类技术领域。该方法包括:获取样本图像数据对和样本图像类别对;根据混合参考比例分别将图像数据对、样本图像类别得到目标样本图像数据、目标样本图像类别;将目标样本图像数据输入至原始图像分类模型进行图像分类得到图像预测类别和混合预测比例;对图像预测类别、目标样本图像类别、混合预测比例和混合参考比例进行损失计算得到目标损失数据;根据目标损失数据对原始图像分类模型进行参数调整得到目标图像分类模型;获取并将目标图像输入至目标图像分类模型进行图像分类得到目标图像类别。本申请实施例能够提高图像分类的准确性、鲁棒性和泛化性。

    基于图路径搜索和语义索引的医疗问答方法及相关设备

    公开(公告)号:CN116072308A

    公开(公告)日:2023-05-05

    申请号:CN202211709241.4

    申请日:2022-12-29

    Abstract: 本发明公开了基于图路径搜索和语义索引的医疗问答方法及相关设备。方法包括:获取目标文本,抽取所述目标文本中的目标实体;获取所述目标文本中的目标意图,判断所述目标意图是否在目标图谱中;若所述目标图谱中包含所述目标意图,则根据所述目标实体和所述目标意图获取目标答案;若所述目标图谱中不包含所述目标意图,则获取所述目标实体在所述目标图谱中的最短连通路径;判断所述最短连通路径的得分是否高于第一目标阈值,若高于所述第一目标阈值,则给出肯定答案,若不高于所述第一目标阈值,则反馈质控提醒。本发明提供的基于图路径搜索和语义索引的医疗问答方法,能提高问答系统在医疗领域的准确率和召回率。

    一种基于上下文特征融合的细胞核分割方法及相关设备

    公开(公告)号:CN116071300A

    公开(公告)日:2023-05-05

    申请号:CN202211580495.0

    申请日:2022-12-09

    Abstract: 本发明公开了一种基于上下文特征融合的细胞核分割方法及相关设备,所述方法包括:获取医学细胞图像,将医学细胞图像输入至卷积神经网络进行堆叠得到多个特征图,并将每个特征图输入特征金字塔,特征金字塔中的上下文增强模块对特征图进行特征融合得到输出特征;将输出特征输入到区域提取网络得到候选框,感兴趣区域对齐层将根据候选框得到感兴趣区域特征;将感兴趣区域特征发送给特征自适应选择模块得到特征级别的组合特征表示;基于组合特征表示分别计算出感兴趣区域的类别分类、候选框坐标和边缘感知掩码,从而实现细胞核进行分割。本发明通过上下文增强模块和特征自适应选择模块对医学细胞图像进行处理,显著提高病理切片细胞核的分割精度。

    一种基于任务感知的报告自动生成方法及装置

    公开(公告)号:CN115631826A

    公开(公告)日:2023-01-20

    申请号:CN202211156398.9

    申请日:2022-09-22

    Abstract: 本发明所提供的一种基于任务感知的报告自动生成方法及装置,方法包括:将原始报告输入预先训练的报告生成模型,利用嵌入向量生成器生成块嵌入向量序列;对原始报告中的各个解剖结构创建对应的分类嵌入向量,得到分类嵌入向量序列;将块嵌入向量序列和分类嵌入向量序列输入到共享编码器中,得到隐藏状态序列和分类标识序列;将隐藏状态序列和分类标识序列输入到多头解码器中,得到拆分为各个解剖结构的结构化报告。本发明利用报告生成模型中的多头解码器对原始报告中的各个解剖结构进行拆分,每个解码器头都只关注对应解剖结构的报告生成,避免了生成的段落中出现重复的句子,也降低了长文本建模的难度,提高了报告生成的准确性。

    一种交通预测方法、智能终端及计算机可读存储介质

    公开(公告)号:CN112766551B

    公开(公告)日:2022-05-17

    申请号:CN202110023335.5

    申请日:2021-01-08

    Abstract: 本发明公开了一种交通预测方法、智能终端及计算机可读存储介质,所述方法包括:获取路网数据,其中,所述路网数据包括路网节点,以及各个路网节点之间的物理距离;根据预设的静态邻接矩阵规则,构建与所述路网数据对应的静态邻接矩阵;当获取历史交通数据时,根据预设的动态邻接矩阵规则,构建与所述历史交通数据对应的动态邻接矩阵;根据所述历史交通数据,对所述动态邻接矩阵和所述静态邻接矩阵进行图卷积处理,生成与所述历史交通数据对应的预测结果。本发明在图卷积网络中所使用了基于自注意力机制产生的动态邻接矩阵表示了路网节点交通状态之间的动态空间关系,从而提高了交通预测的准确性。

Patent Agency Ranking