基于分子动力学模拟搭建四维特征的表示学习方法

    公开(公告)号:CN118737298A

    公开(公告)日:2024-10-01

    申请号:CN202410719414.3

    申请日:2024-06-05

    Applicant: 南通大学

    Inventor: 王理 陈星 邵劲松

    Abstract: 本发明涉及一种基于分子动力学模拟搭建四维特征的表示学习方法,所述方法包括:构建数据集,包括以下步骤:构建用于未来构象预测的数据集、构建用于原子掩蔽预测的数据集和构建下游任务数据集;构建时空特征编码框架,包括以下步骤:未来构象预测预训练、原子掩蔽预测预训练和下游任务预测;基于时空特征编码框架对分子性质进行预测。本发明提出了一种时空特征编码方法,利用分子动力学模拟技术驱动变性,以尝试在三维特征的基础上搭建与分子属性相关的四维特征,并通过进一步的特征学习,提高分子性质预测的精度。

    一种头皮脑电信号的在线多特征空间迁移识别方法

    公开(公告)号:CN114692697B

    公开(公告)日:2024-09-20

    申请号:CN202210428654.9

    申请日:2022-04-22

    Applicant: 南通大学

    Abstract: 本发明涉及医学技术领域,具体涉及一种头皮脑电信号的在线多特征空间迁移识别方法,包括以下步骤:步骤1,建立脑电信号多视角源域数据集,用于模型训练;步骤2,针对每一个视角,计算所有源域数据集中的样本到待识别目标的欧式距离,并以此距离作为特征,进行聚类分析,然后选择离待识别目标最近的聚类中心所在簇作为迁移源域;步骤3,设置模型参数λ1,λ2,λ3,利用步骤2中选择的源域和目标域中的校正样本进行模型训练;步骤4,利用训练的模型对目标域中未标记样本进行预测。本发明从多特征空间表示以及诱导式迁移学习的角度出发,为提高基于脑电信号的疾病在线识别效率提供保障,精准医疗服务提供技术支撑。

    基于子结构感知的多视角表示学习方法

    公开(公告)号:CN118098428A

    公开(公告)日:2024-05-28

    申请号:CN202410219037.7

    申请日:2024-02-28

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于子结构感知的多视角表示学习方法,包括如下步骤:S1、生成图神经网络输入的分子表示,即分子图和分子树;S2、使用Attentive‑FP网络对分子图和分子树进行编码;S3、将从3D分子树特征编码和MACCS分子指纹特征编码通过特征求和进行融合得到特征TFP_Tree;S4、将分子图特征编码与S3中的融合特征进行拼接得到最终的复合分子特征TMulti_FP。本发明同时考虑和子结构和3D信息特征,通过构建的3D分子树,模型可以捕获更多层次和角度的分子特征。

    一种基于无线通信医疗检查全息影像设备

    公开(公告)号:CN117100313A

    公开(公告)日:2023-11-24

    申请号:CN202311137556.0

    申请日:2023-09-05

    Abstract: 本发明公开了一种基于无线通信医疗检查全息影像设备,属于医疗检查技术领域,包括环形支撑板、摄像头和超声探头:环形支撑板外端底部连接有用于活动遮挡的遮挡组件;环形支撑板内底部安装有电控箱和无线收发器;环形支撑板顶部安装有底板;环形支撑板外壁下端连接有用于摄像头和超声探头水平转动的转动组件;转动组件驱动端连接有用于竖直驱动的竖直驱动组件;竖直驱动组件驱动端连接有用于伸缩的水平驱动组件;水平驱动组件里端固定连接有摄像头和超声探头万向转动的万向驱动组件;万向驱动组件输出端连接有摄像头和超声探头。通过上述方式,本发明实现自动检测,且实现多维度检测,利于隐蔽位置采集,同时,无需患者转动,减轻患者痛苦。

    基于注意力机制的多维特征融合的分子性质预测的模型

    公开(公告)号:CN115691701A

    公开(公告)日:2023-02-03

    申请号:CN202211405805.5

    申请日:2022-11-10

    Applicant: 南通大学

    Abstract: 本发明提供一种基于注意力机制的多维特征融合的分子性质预测的模型,所述模型包括分子1D序列特征向量生成模块、分子2D原子图特征向量生成模块、分子3D结构特征向量生成模块及多维特征融合模块,其中所述分子3D结构特征向量生成模块使用SphereNet作为特征解码器。基于注意力机制的多维特征编码器能够从多个维度处理药物分子的SMILES字符串,从不同的角度获取特征信息,使得编码信息更全面。使用多维度特征的融合能够进一步压缩药物特征向量,高质量的编码能够将特征与预测结果密切关联。

    基于表示学习的抗HBV小分子药物预测模型及其构建方法

    公开(公告)号:CN113921094A

    公开(公告)日:2022-01-11

    申请号:CN202111194037.9

    申请日:2021-10-13

    Applicant: 南通大学

    Abstract: 本发明提供一种基于表示学习的抗HBV小分子药物预测模型及其构建方法,涉及药物研究技术领域,通过对SMILES编码的处理,使用NLP的方法对SMILES编码进行表示学习。使用机器学习方法对SMILES编码的空间向量的有监督分类模型,在该模型中分类预测小分子对特定靶点的活性。与现有技术相比,在不同靶点数据集上体现出优于传统Word2vec的性能。与此同时,在训练向量后的下游任务中,在预测化合物对HBV抑制率和对肝细胞毒性方面都产生了确定性的优势,具备较好筛选潜在抗HBV药物的能力。该方法可用于广泛的应用于其他不同靶点化合物的类药性预测,从而简化药物研发流程。

    一种红斑狼疮患者的狼疮性肾炎预测模型的建模方法

    公开(公告)号:CN111986814A

    公开(公告)日:2020-11-24

    申请号:CN202010847648.8

    申请日:2020-08-21

    Abstract: 本发明提供了一种红斑狼疮患者的狼疮性肾炎预测模型的建模方法,包括如下步骤:S10数据采集,使用自然语言处理方法从系统性红斑狼疮患者电子病历中抽取了表型数据以及人口统计学数据;S20将所述表型数据以及所述人口统计学数据通过01矩阵转换为特征向量;S30模型训练,使用部分所述特征向量对所述狼疮性肾炎预测模型进行训练,获得所述狼疮性肾炎预测模型。本发明的一种红斑狼疮患者的狼疮性肾炎预测模型的建模方法,使用大量现有的电子病历数据建立狼疮性肾炎预测模型,将所述狼疮性肾炎预测模型应用于所述红斑狼疮患者并发症的研究,可针对高危人群采取恰当措施,辅助医生诊疗,降低狼疮性肾炎的发病率。

    一种基于糖尿病的电子病历管理模型构建方法

    公开(公告)号:CN111986754A

    公开(公告)日:2020-11-24

    申请号:CN202010847632.7

    申请日:2020-08-21

    Abstract: 本发明提供了一种基于糖尿病的电子病历管理模型构建方法,包括如下步骤:S10数据采集,采集医院糖尿病患者的临床数据,将所述临床数据做结构转化获得一维表,所述一维表包括与患者病历号一一对应的临床参数;S20数据清洗,将所述临床参数经去空值与归一化、一维转二维、异常值剔除、缺省率统计与缺失值填补以及数据离散化完成清洗;S30数据标准化,将完成数据清洗后的所述临床参数通过OHDSI工具进行标准化处理,获得所述电子病历管理模型。本发明的一种基于糖尿病的电子病历管理模型构建方法,通过数据清洗以及标准化实现糖尿病的电子病历数据的统一性和规范化,为后续的统计模型和机器学习模型的建立提供了稳定的数据基础。

Patent Agency Ranking