-
公开(公告)号：CN118366681A
公开(公告)日：2024-07-19
申请号：CN202310084508.3
申请日：2023-01-18
Applicant: 上海交通大学
Abstract: 本发明提供一种临床观察研究中评估干预效果的生存曲线矫正方法及系统，包括：获取所需临床观察数据，所述临床观察数据包括患者干预状态、删失状态、生存时间以及除干预以外的重要临床因素；将除干预以外的重要临床因素表示为协变量向量，分为干预组和对照组两组；确定使所述干预组和对照组协变量向量无统计差异的超参数γ和W，并根据所述超参数γ和W确定权重w；对上述观察数据的每个个体赋予权重w，基于加权后的所述观察数据绘制矫正后生存曲线。本发明从根本上消除了协变量即混杂因子对终点事件分析和临床干预效果评估的影响，可以用于临床药物、手术、疫苗等干预因素的有效性评估，有明显的准确率提升。
-
公开(公告)号：CN117409886A
公开(公告)日：2024-01-16
申请号：CN202210787582.7
申请日：2022-07-04
Applicant: 上海交通大学
Abstract: 本发明提供一种基于深度学习和树搜索的计算机辅助药物设计系统和方法，该系统包括：受体‑配体特征学习模块，采用层次化跳跃连接Transformer神经网络，对蛋白质受体残基序列和配体SMILES序列进行多层次的特征抽取和融合，通过监督学习的训练方式，建立隐马尔科夫模型，得到SMILES序列的生长策略；树搜索模块，借助将所述的SMILES序列的生长策略，进行启发式搜索，所述树搜索模块同时受价值评估函数的指导，最终输出全新的SMILES序列。对于给定的靶点，本发明可以高效地搜索庞大的化学空间，生成潜在的具有较高亲和力的配体分子。
-
公开(公告)号：CN116432070A
公开(公告)日：2023-07-14
申请号：CN202111637078.0
申请日：2021-12-29
Applicant: 上海交通大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/084 , G06F18/25
Abstract: 本发明提供基于深度学习神经网络的ECG信号分类系统，包括公共特征提取模块采用卷积神经网络，对ECG信号提取浅层特征；域不变分支模块采用卷积神经网络，对浅层特征提取特征，通过最小化分类损失，为源域做特征匹配，获得一个预测；域特有分支模块采用卷积神经网络，使用LMMD损失，对输入的浅层特征在每一对源与目标域间做特征匹配，获得n个预测；混合模块对每个子分支赋予不同的置信度，将得到的n+1个预测结合，得到最终预测。本发明的多分支网络和多源无监督域适应，有效地学习ECG信号的通用特征，使得源数据集学习到的知识运用在未知目标数据集，并且通过基于先验分类器融合策略，将多个预测值有机地组合得到最终结果，进一步提升模型的泛化性能。
-
公开(公告)号：CN111626296B
公开(公告)日：2023-04-21
申请号：CN202010284305.5
申请日：2020-04-13
Applicant: 上海交通大学
IPC: G06V10/26 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于深度神经网络的医学图像分割系统及方法、终端，包括：特征提取模块对输入的医学图像，使用神经网络完成特征的抽取，得到输入的抽象表示；前景信息特征上采样模块对提取到的特征进行上采样，最终生成前景分割结果；反馈机制模块将前景信息特征上采样模块中的特征传递至特征提取模块中，丰富该模块中的特征；门控机制模块利用多种门控机制，对反馈连接中传递的特征进行选择和筛选，对冗余特征进行过滤；语义信息特征上采样模块对经过反馈连接丰富的特征进行上采样，生成最终的医学图像分割结果。本发明利用门控机制实现对反馈连接中传递的特征进行筛选，并将反馈信号作用于特征提取过程中，实现特征的丰富，提高了图像分割的精度。
-
公开(公告)号：CN118279062A
公开(公告)日：2024-07-02
申请号：CN202211650773.5
申请日：2022-12-21
Applicant: 上海交通大学
Abstract: 本发明提供一种基于多智能体强化学习的投资组合系统及方法，包括：若干个智能体的策略网络，每个策略网络的输入为行业指数和股票历史信息，输出为对应指数或股票的打分；一个中心评价网络，其若干个输出与若干个策略网络相对应；中心评价网络的输入为所有智能体观察到的状态和相应动作，即行业指数和股票历史信息，输出为所有智能体的状态‑动作评分；一个组合投资生成器，其根据策略网络的打分信息，计算出最终的投资权重。本发明结合因果分析并通过策略网络、中心化评价网络和投资组合生成器，实现了先选择行业、再选择股票的投资方式，体现了行业在选股过程中的重要作用；在现有方法的基础上均有明显的平衡风险和回报的能力提升。
-
Patent Agency Ranking
公开(公告)号：CN111178541A
公开(公告)日：2020-05-19
申请号：CN201911389843.4
申请日：2019-12-30
Applicant: 上海交通大学
IPC: G06N20/00
Abstract: 本发明提供了一种游戏人工智能系统的性能提升方法，对多通道游戏数据使用深度并行计算框架计算节点初始值和返回信息估计；利用节点初始值形成树形结构，并填入节点初始值作为数据节点信息，然后将数据节点信息回传，更新各个数据节点保存的信息，输出最终优先度；对输入的多通道游戏数据，使用深度并行计算框架计算多通道游戏数据权重比例；对输入的多通道游戏数据，使用深度门网络模型获取权重比例，结合固定数据记录，计算两者的加权组合优先度。同时提供了一种用于执行上述方法的系统以及一种采用上述方法进行性能提升的游戏人工智能系统。本发明上有效提高了有限数据下系统的性能，并因其相对低功耗的特点，有利于普通企业或团队进行研制。
-
公开(公告)号：CN118313930A
公开(公告)日：2024-07-09
申请号：CN202310026555.2
申请日：2023-01-09
Applicant: 上海交通大学
IPC: G06Q40/06 , G06N3/049 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度时序因子模型的金融资产组合配置方法，包括：采集资产行情数据；建立深度时序因子模型，使用模型提取收益率中具有因果特性的低维隐变量并进行模型训练；使用训练好的深度时序因子模型提取隐变量；将隐变量、资产行情数据及市场特征输入策略网络得到做多与做空的权重及做空价值比例；利用奖励函数对策略网络进行训练；在新的资产行情数据上，利用训练好的深度时序因子模型和策略网络，获得新的组合权重。其时序因子模型刻画收益率运动的因果关系，低维隐变量的运动为收益率运动的原因，模型具备降维与捕捉因果关系的作用，在低维隐变量的基础上进行决策的计算量更低，同时更易使策略网络学习到精准策略，提高组合效果。
-
公开(公告)号：CN117789974A
公开(公告)日：2024-03-29
申请号：CN202211143242.7
申请日：2022-09-20
Applicant: 上海交通大学
IPC: G16H50/30 , G06V10/80 , G06V10/82 , G06V10/25 , G06T7/00 , G06N3/0464 , G06N3/082 , G06N3/0455
Abstract: 本发明提供一种基于深度神经网络的颅内动脉瘤破裂风险预测方法，包括：从原始CTA图像中以动脉瘤为中心切割两个不同邻域范围的立方体并进行预处理；将预处理前、后的立方体输入卷积神经网络提取三维特征图；将所述三维特征图分块并线性映射，得到嵌入序列；将所述嵌入序列输入Transformer编码器得到动脉瘤的形态学特征；将所述形态学特征与额外的辅助特征融合并预测破裂风险。本发明通过提取动脉瘤不同邻域范围的信息综合考虑不同尺寸的动脉瘤，通过预处理使得深度神经网络更加关注感兴趣的区域，即动脉瘤和载瘤动脉，使用Transformer建立动脉瘤与周围组织之间的全局依赖关系，并且融合辅助特征进一步提高模型的预测性能。
-
公开(公告)号：CN116491955A
公开(公告)日：2023-07-28
申请号：CN202210057744.1
申请日：2022-01-19
Applicant: 上海交通大学
Abstract: 本发明提供一种基于特征重建的单通道脑电图自动睡眠分期方法，包括：采集与标注整夜睡眠单通道脑电图，获得用于训练模型的数据集；预处理所述数据集，进行数据标准化和数据增广；建立并初始化模型，使用所述与预处理后的数据集对模型进行无监督的预训练与有监督的训练；使用训练好的模型实现睡眠阶段的标注。本发明仅仅通过单通道的脑电信号即可进行睡眠分期的准确预测，降低了患者就诊的不适感与信号采集难度。
-
公开(公告)号：CN114783516A
公开(公告)日：2022-07-22
申请号：CN202210411341.2
申请日：2022-04-19
Applicant: 上海交通大学
Abstract: 本发明提供一种基于深度双向神经网络的蛋白质配体结合位点检测方法，包括：提取蛋白质特征信息；将所述蛋白质特征信息，输入引入反馈连接机制的循环的深度双向神经网络，获得最终特征；将所述最终特征输入卷积神经网络执行检测，得到蛋白质配体结合位点的概率分布。本发明通过引入反馈连接机制，将单向的深度卷积神经网络改进为循环的深度双向神经网络，提升了蛋白质配体结合位点检测性能。其中，反馈连接能够对蛋白质3D结构的表示学习进行动态改进。它有助于编码器更多地关注可能的位点，而不是蛋白质本身的复杂结构。而接近预测轮廓的二进制体素级别屏蔽可以去除可能由反馈连接引起的噪声模式，进一步提升检测效果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.027 seconds)
