-
公开(公告)号：CN114781442B
公开(公告)日：2025-02-28
申请号：CN202210359058.X
申请日：2022-04-07
Applicant: 成都信息工程大学
IPC: G06F18/2433 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/084 , A61B5/00 , A61B5/16
Abstract: 本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。
-
公开(公告)号：CN118629672A
公开(公告)日：2024-09-10
申请号：CN202411110690.6
申请日：2024-08-14
IPC: G16H70/40 , G16H20/10 , G16H50/70 , G06F18/25 , G16C20/50 , G16C20/70 , G16B35/00 , G16B40/00 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于多模态数据融合的药物协同组合预测方法，首先获取药物组合样本的药物特征向量和细胞系基因表达量；接着基于多头自注意力的图注意力网络和最大池化操作提取药物特征向量中的药物分子图特征；再基于可变形卷积网络提取药物特征向量中的药物摩根指纹特征，并通过空间重建模块抑制药物摩根指纹特征的冗余；然后基于多层感知机提取细胞系基因表达量中的细胞系特征；最后采用Transformer将药物分子图特征、重建后的药物摩根指纹特征和细胞系特征进行特征融合，得到药物协同组合预测结果。本发明通过融合药物的多模态数据，增强了模型对药物的表征能力，进而提高了对未知药物协同组合的预测精度和泛化能力。
-
公开(公告)号：CN118609855A
公开(公告)日：2024-09-06
申请号：CN202411078638.7
申请日：2024-08-07
Abstract: 本发明公开了一种基于异构图神经网络和多组学的癌症药物反应预测方法，涉及癌症药物反应预测领域，其通过构建细胞‑药物异构图神经网络，并将异构图神经网络应用到癌症药物反应预测问题模型构建，能够有效地学习细胞系与癌症药物之间存在的复杂联系；并且融合多组学数据，从多组学角度全面地学习细胞系特征，使模型更符合生物学意义，具备更好的鲁棒性，提高了癌症药物反应预测的准确率。
-
-
公开(公告)号：CN111189459B
公开(公告)日：2023-12-22
申请号：CN202010026328.6
申请日：2020-01-10
Applicant: 成都信息工程大学 , 四川省金科成地理信息技术有限公司 , 成都探码科技有限公司
Inventor： 乔少杰 , 黄振锋 , 甘戈 , 韩楠 , 宋学江 , 魏军林 , 张小辉 , 温敏 , 肖月强 , 程维杰 , 陈权亮 , 李斌勇 , 张永清 , 张吉烈 , 何林波 , 元昌安 , 彭京 , 周凯 , 余华 , 范勇强 , 冉先进
IPC: G01C21/30
Abstract: 本申请实施例提供了一种定位信息与道路匹配的方法和装置，该方法包括：S1.获取待匹配的定位轨迹序列和道路网络数据；步骤S2.获取所述轨迹序列的候选路段；步骤S3.判断所述定位轨迹序列中已匹配点的个数是否大于两个，若是，则用第一匹配算法计算出所述轨迹序列在所述道路网络数据上的匹配轨迹；若否，则用第二匹配算法计算出所述轨迹序列在所述道路网络数据上的匹配轨迹；步骤S4.输出所述匹配轨迹。本申请提供的定位信息与道路匹配的方法和装置，其通过获取浮动车数据和城市道路网络数据，搜索和筛选出合理的候选路段和候选待匹配点，结合所设计两种不同的匹配算法来进行浮动车地图的匹配，实现了大规模浮动车地图匹配的准确性和效率性。(56)对比文件孙庆辉等.路径规划和导航《.空间位置信息服务系统原理和方法》.西安地图出版社,2009,陈林等.情景感知系统《.‘互联网+’智慧校园技术与工程实施》.电子科技大学出版社,2017,Shaojie Qiao.A Self-AdaptiveParameter Selection Trajectory PredictionApproach via Hidden Markov Models《.IEEETRANSACTIONS ON INTELLIGENTTRANSPORTATION SYSTEMS》.2015,第16卷(第1期),乔少杰.一种基于空间编码技术的轨迹特征提取方法《.中国科学：信息科学》.2017,第47卷(第11期),
-
Patent Agency Ranking
公开(公告)号：CN116756657B
公开(公告)日：2023-11-17
申请号：CN202311031625.X
申请日：2023-08-16
Applicant: 成都信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于CNN和Transformer的fNIRS脑力负荷检测方法，其包括获取fNIRS采集设备采集的原始数据，并对原始数据进行预处理得到氧合血红蛋白和脱氧血红蛋白浓度的信号#imgabs0#和#imgabs1#；对信号#imgabs2#和#imgabs3#进行一维卷积操作，并在通道维度上对卷积操作后的两个信号进行组合，得到组合信号Hb；采用卷积神经网络对组合信号Hb进行局部细粒度时间特征的提取，得到特征矩阵；采用Transformer模块对特征矩阵进行特征增强提取，得到状态特征；将状态特征输入多层感知机分类层，得到脑力负荷检测的分类结果。
-
公开(公告)号：CN116662782A
公开(公告)日：2023-08-29
申请号：CN202310648362.0
申请日：2023-05-29
IPC: G06F18/213 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , A61B5/374 , G06F123/02
Abstract: 本发明公开了一种基于MSFF‑SENet的运动想象脑电图解码方法，包括：S1、构建MSFF‑SENet模型；其中，MSFF‑SENet模型包括多尺度时空块、多尺度时间块、PSD‑Conv块、SE特征融合块和分类块；S2、构建EEG信号数据集，对MSFF‑SENet模型进行训练；S3、将预处理的EEG信号输入至MSFF‑SENet模型中，获得运动想象脑电图解码分类结果。本发明提出了一种新的MSFF‑SENet模型，其相较于常见的时空模型更为敏感且准确地捕获MI‑EEG数据中的时间和多光谱特征。
-
公开(公告)号：CN116312765A
公开(公告)日：2023-06-23
申请号：CN202310122535.5
申请日：2023-02-15
Applicant: 成都信息工程大学
IPC: G16B20/20 , G16B40/20 , G16B30/00 , G06N3/0464
Abstract: 本发明提供了一种基于多阶段的非编码变异对增强子活性影响预测方法，涉及生物信息技术领域，该方法包括获取增强子相关特征，并对其进行预处理；构建并训练基于元学习的染色质特征预测模型；基于特征融合模型得到融合多染色质特征的联合表征；构建和训练基于多染色质特征联合表征的增强子活性预测模型；利用染色质特征预测模型以及增强子活性预测模型预测变异对增强子活性的影响；根据变异对增强子活性的影响，对功能性变异进行筛选。本发明提出了一个有效的增强子活性预测框架，实现变异对增强子活性影响的精确预测，解决了传统方法基于DNA序列进行预测，效果不佳的缺点。
-
公开(公告)号：CN111353995B
公开(公告)日：2023-03-28
申请号：CN202010240762.4
申请日：2020-03-31
Applicant: 成都信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于生成对抗网络的宫颈单细胞图像数据生成方法，包括以下步骤：S1、准备包含正常细胞图像和异常细胞图像的宫颈单细胞数据集，并对宫颈单细胞数据集进行预处理；S2、模型设计：以传统的生成对抗网络为基础，在生成对抗网络模型过程中使用约束条件指导模型生成指定类别的宫颈单细胞图像。本发明的生成对抗网络由两部分组成：生成器用于捕获训练数据的分布，判别器用于判断输入数据是来自真实数据还是生成数据。模型通过这种竞争的学习方式，使生成对抗网络可以生成逼近真实的图像，提升模型表现。本发明可以通过生成器在消耗很少的时间和人力的前提下获得大量的有效数据，可以通过扩大数据集获得更高的疾病检测准确率。
-
公开(公告)号：CN114569101A
公开(公告)日：2022-06-03
申请号：CN202210222186.X
申请日：2022-03-09
Applicant: 成都信息工程大学
Abstract: 本发明提供了一种非接触式心率检测方法、装置和电子设备，其中，该方法包括：通过预设摄像头，采集包含有目标对象的目标图像；基于目标图像，确定感兴趣区域；对感兴趣区域对应的图像区域进行颜色空间转换，得到指定颜色空间下的图像信号；对指定颜色空间下的图像信号进行信号提取，得到血液容积脉冲信号，该血液容积脉冲信号中包含有信号的时频信息；基于血液容积脉冲信号确定目标对象的心率。该方式通过摄像头实时采集目标对象的图像，并对该图像进行时频分析处理，得到心率值，从而实现了非接触式心率检测，并满足在实际场景中的应用，能够在自然光状态下对心率进行检测，具有操作便捷、设备要求低、受环境制约小、实时性强和准确度高等特点。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.037 seconds)
