-
公开(公告)号：CN113362360A
公开(公告)日：2021-09-07
申请号：CN202110593922.8
申请日：2021-05-28
Applicant: 上海大学
Abstract: 本发明公开了一种基于流体速度场的颈动脉斑块分割方法，包括：A.基于计算流体力学方法为每一张超声图像生成对应的血流速度场；B.对超声图像和速度场进行三通道均值标准化；C.构建多模态融合分割框架分割超声图像。本发明新提出的基于流体速度场的颈动脉斑块分割方法通过引入计算流体力学模拟的速度场，以及结合层次级特征融合、多尺度上下文信息提取、带偏向的上采样等深度学习技术的方式，该方法引入计算流体力学模拟的血流速度场，以利用含在速度场中的潜在有效先验知识帮助精确定位斑块，提高颈动脉超声斑块的分割精度。
-
公开(公告)号：CN101719194A
公开(公告)日：2010-06-02
申请号：CN200910199849.5
申请日：2009-12-03
Applicant: 上海大学
IPC: G06F19/00
Abstract: 本发明公开了一种人工基因调控网络的模拟方法，该方法步骤如下：A、根据真实基因调控网络的拓扑特性，构建具有全局稳定不动点的骨架网络；B、将骨架网络中的节点和边进行随机拆分；C、在骨架网络上增加新的节点：D、在新的节点的上产生新的边；E、设定模拟的网络规模，网络中包含R个节点，重复步骤C-D，产生新的节点和新的边，使人工基因调控网络增大，每重复一次，统计一次网络的节点数，直到网络增大到设定的网络规模为止。该方法具有很强的针对性和生物信息学应用性；模拟产生的人工基因调控网络具有动力学稳定性；为基因调控网络构建算法的性能测试提供了多样化人工基因调控网络，为系统生物领域的研究人员提供了新的基因网络模拟工具。
-
公开(公告)号：CN114943727A
公开(公告)日：2022-08-26
申请号：CN202210723775.6
申请日：2022-06-24
Applicant: 上海大学
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于关键点检测的颈动脉斑块回声分类方法，其特征在于包括：对超声图像的非成像区域进行裁剪，并归一化超声图现象；根据颈动脉超声斑块中心点的标注，利用一个非标准的二维正态分布生成用于定位的热图标签；将一个斑块视作一个点，利用关键点定位技术建立斑块定位子网络，完成颈动脉斑块中心点定位；在斑块定位子网络产出结果的基础上提取斑块的全局和局部特征，结合去冗余技术建立斑块分类子网络,完成颈动脉斑块回声分类。该方法可以缓解超声影像中斑块大小较小而带来的斑块特征提取困难，并且能差别利用斑块区域和整张超声图形的有效信息，能用于单斑块的颈动脉超声图像的回声分类。
-
公开(公告)号：CN103345553B
公开(公告)日：2016-02-17
申请号：CN201310273518.8
申请日：2013-07-02
Applicant: 上海大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于格子Boltzmann方法的问题求解环境(PSE)设计方法。该设计建立一种友好的用户界面，交互式的对问题进行定义并确定计算参数；提供方便快捷的计算参数的上传、网格剖分前处理、计算内核的启动和计算结果的下载方法；计算内核采用分布式的网格剖分与具有高可扩展性的并行方式迭代计算；PSE设计中拥有了简单快捷的计算结果的后处理：将复杂、抽象的数据转换为人们易于理解和更便于进行问题结果分析的图像和视频文件，并将数值模拟的图像和视频展示出来。
-
公开(公告)号：CN104951668A
公开(公告)日：2015-09-30
申请号：CN201510160212.0
申请日：2015-04-07
Applicant: 上海大学
IPC: G06F19/16
Abstract: 本发明涉及一种基于级联神经网络结构的蛋白质关联图的预测方法。该方法步骤如下，如附图1：A．建立6个神经网络子网及1个级联神经网络；B．读取蛋白质数据集，并依据蛋白质长度对数据集进行分类；C．采用反向传播算法对神经网络子网进行训练学习；D．对级联神经网络进行训练学习；E．进行第一层神经网络子网的预测；F．完成第二层级联神经网络的预测，得到最终的蛋白质关联图。该方法采用多神经网络并形成级联结构进行预测，1.因此克服了单神经网络方法无法针对不同长度蛋白质优化处理的缺陷，提高了预测精度和稳定性；2.具有内在并行特质，各子网及级联网络可并行处理，提高计算效率。
-
Patent Agency Ranking
公开(公告)号：CN102902896B
公开(公告)日：2016-02-17
申请号：CN201210358669.9
申请日：2012-09-25
Applicant: 上海大学
IPC: G06F19/24
Abstract: 本发明公开了基于专家知识与拓扑相似的邻居优先生物分子子网搜索方法。其步骤如下：A、根据生物分子的序列特征，构建网络T（Gt）和B（GB）中生物分子的初始相似矩阵 。B、根据生物分子在网络中的拓扑的相似特征，计算生物分子的相似矩阵S。C、构建专家知识字典。D、基于专家知识，以邻居优先策略进行搜索，获得结果子网。E、计算结果子网R（Gr）与目标子网T（Gt）的相似得分。F、计算p值。G、结果子网可视化。与同类方法相比，该方法计算准确度更高，具有更高的稳定性，能更好地处理生物分子网络间的“空隙”（Gap），获得更多的保守边和节点，且能较好地反映生物分子网络之间的变化情况。
-
公开(公告)号：CN103345553A
公开(公告)日：2013-10-09
申请号：CN201310273518.8
申请日：2013-07-02
Applicant: 上海大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于格子Boltzmann方法的问题求解环境(PSE)设计。该设计建立了一种友好的用户界面，交互式的对问题进行定义并确定计算参数；提供了方便快捷的计算参数的上传、网格剖分前处理、计算内核的启动和计算结果的下载方法；计算内核采用了分布式的网格剖分与具有高可扩展性的并行方式迭代计算；PSE设计中拥有了简单快捷的计算结果的后处理：将复杂、抽象的数据转换为人们易于理解和更便于进行问题结果分析的图像和视频文件，并将数值模拟的图像和视频展示出来。
-
公开(公告)号：CN113362360B
公开(公告)日：2022-08-30
申请号：CN202110593922.8
申请日：2021-05-28
Applicant: 上海大学
Abstract: 本发明公开了一种基于流体速度场的颈动脉斑块分割方法，包括：A.基于计算流体力学方法为每一张超声图像生成对应的血流速度场；B.对超声图像和速度场进行三通道均值标准化；C.构建多模态融合分割框架分割超声图像。本发明新提出的基于流体速度场的颈动脉斑块分割方法通过引入计算流体力学模拟的速度场，以及结合层次级特征融合、多尺度上下文信息提取、带偏向的上采样等深度学习技术的方式，该方法引入计算流体力学模拟的血流速度场，以利用含在速度场中的潜在有效先验知识帮助精确定位斑块，提高颈动脉超声斑块的分割精度。
-
公开(公告)号：CN110176309A
公开(公告)日：2019-08-27
申请号：CN201910452847.6
申请日：2019-05-28
Applicant: 上海大学
Abstract: 本发明提出了一种用于预测心血管疾病的医疗数据处理方法。本发明方法包含三个步骤：1、数据预处理：补全数据集中的缺失值，对数据集中的属性进行标准化处理。2、密度权重学习：在利用DBSCAN算法将样本点分为核心样本点、噪声样本点和边界样本点的基础上，对核心样本点的密度信息进一步量化，对处于不同密度区域的点赋予不同权重。3、特征工程：将所有样本点的权重值作为一维新的特征加入数据集，然后对整个数据集进行特征选择和数据离散化两步。本发明通过为处于不同分布密度的样本点赋予相应的权重，强调核心样本点在模型建立时的贡献度，从而帮助机器学习模型决策边界的建立，提高模型的预测心血管疾病精度。
-
公开(公告)号：CN103345580B
公开(公告)日：2016-04-27
申请号：CN201310274574.3
申请日：2013-07-02
Applicant: 上海大学
Abstract: 本发明公开了一种基于格子Boltzmann方法的并行CFD方法。该方法能针对各种复杂的物体并行地进行流体力学的计算与分析，其特点在于引入了适合于格子Boltzmann方法的并行分布式网格剖分方法，使得网格剖分时间大大缩短，同时根据的分布式计算机体系结构，构建了减少格子Boltzmann方法在并行迭代计算中的通信量算法，加速了迭代的速度，提高了算法的可扩展性，使得格子Boltzmann方法适用于大规模计算。大量的数值实验证明了该并行计算方法具有良好的可扩展性，并且更加适合于超大规模的计算系统。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.033 seconds)
