-
公开(公告)号:CN119850517A
公开(公告)日:2025-04-18
申请号:CN202411317764.3
申请日:2024-09-20
Applicant: 上海大学
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/82 , G16H50/20 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于多模态多阶段的乳腺癌新辅助化疗疗效早期预测框架,该框架引入逐层特征融合和时序混合注意力模块,预测患者经过新辅助化疗(Neoadjuvant Chemotherapy,NAC)后是否可达病理完全缓解。该框架通过双模态逐层特征融合模块对同一阶段不同模态数据层次间的连接,在学习到互补信息之余能够捕获不同模态间的复杂关系,以实现多模态数据的充分融合,并采用时序混合注意力模块使网络不仅聚焦于显著的病灶区域,同时也能学习化疗过程中病灶变化特征之间的相关性,强化模型对乳腺肿瘤关键特征的学习能力。该方法可以有效的辅助医生评估患者新辅助化疗疗效,具有一定的临床推广意义。
-
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:CN104978498A
公开(公告)日:2015-10-14
申请号:CN201510179743.4
申请日:2015-04-16
Applicant: 上海大学
IPC: G06F19/24
Abstract: 本发明涉及一种生物分子网络拓扑结构比对的自适应方法。该方法用于寻找两个生物分子网络生物学意义上的最优映射,其步骤如下:A、构建第一生物分子网络和第二生物分子网络的初始相似矩阵 。B、基于相似矩阵,获得第一生物分子网络中的节点和第二生物分子网络之间的比对映射矩阵。C、根据当前迭代步的匹配结果,自适应地更新相似矩阵,然后计算得到下一迭代步生物分子的相似矩阵。D、计算每一迭代步的映射矩阵的得分,然后判断是否结束计算。其特点在于针对节点的网络拓扑特点自适应地计算网络节点之间的相似性,有效降低仅用匈牙利算法而需要的大量计算时间,同时提高仅用贪心算法的准确率,从而找出比同类算法更好的映射。
-
公开(公告)号:CN102902896A
公开(公告)日:2013-01-30
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:CN101719195A
公开(公告)日:2010-06-02
申请号:CN200910199850.8
申请日:2009-12-03
Applicant: 上海大学
IPC: G06F19/00
Abstract: 本发明公开了一种逐步回归基因调控网络的推断方法,该方法步骤如下:A.读取基因表达数据矩阵和基因扰动数据矩阵;B.确定基因表达矩阵和基因扰动矩阵是否均为标准化数据;C.对基因表达数据矩阵和基因扰动数据据矩阵分别进行数据归一化均构成标准化数据;D.分析标准化数据,计算所有基因间相关系数矩阵;E.将基因间相关系数矩阵可视化成网络,得到基因调控网络图。该方法能进行最优回归子集的选择,因此解决了高维小样本实验数据的问题;2.为目标基因逐步选择最具显著影响的调控子,符合了基因调控网络的真实情况;3.随着基因调控网络规模的增大和网络稀疏度的增加,在计算精度、计算效率上均优于同类方法。
-
公开(公告)号:CN119540594A
公开(公告)日:2025-02-28
申请号:CN202411293927.9
申请日:2024-09-14
Applicant: 上海大学
IPC: G06V10/764 , G06V10/82 , G06N3/084
Abstract: 一种基于双分类器预测的超声图像多中心斑块分类的噪声标签校正方法,其特征在于包括:将超声图像预处理后输入特征提取器,特征提取器之后增加多中心特征适应模块,构建噪音标签的建模和处理模块,实现多中心斑块回声的分类;多中心特征适应模块引入由两层全连接层构成的领域适应层,使用最大平均差异来作为差异的量化衡量,构建两个独立的分类器并把两个分类器的输出平均作为下一步噪音标签的建模的输入。针对于多中心斑块超声数据所存在的固有难点,提出了多中心特征适应模块和关于噪音标签建模和校正模块,再进一步减小特征差异的同时,对目标中心进行一个伪标签建模,对产生的“噪音”标签有了更好的建模估计和处理。
-
公开(公告)号:CN118262924A
公开(公告)日:2024-06-28
申请号:CN202410358758.6
申请日:2024-03-27
Applicant: 上海大学
Abstract: 本发明公开了一种使用知识增强的医学视觉语言任务参数高效迁移学习方法,包括预训练过的视觉语言模型,根据参数有效的知识融合策略将统一医学语言系统UMLS的特定领域知识整合到多模态特征中;在自注意力和多层感知层之后加入共享适配器模块,共享适配器模块使两种模态相互作用并减少参数。其次,设计了参数有效的知识融合策略,将Unified Medical Language System(UMLS)的特定领域知识整合到多模态特征中。在4个医学多模态数据集进行了3个医学多模态任务评估,结果表明模型在使用较少参数的同时,在性能方面优于其他迁移学习方法。
-
公开(公告)号:CN118173163A
公开(公告)日:2024-06-11
申请号:CN202410376980.9
申请日:2024-03-29
Applicant: 上海大学
Abstract: 本发明公开了一种基于蛋白质口袋的多模态药物靶标亲和力预测方法,1、通过分子力场优化和蛋白质生成模型将现有的药物和蛋白质序列数据构建为结构数据。2、基于蛋白质结构对药物结合位点进行预测,将评分高的氨基酸聚类后得到潜在的结合口袋。3、对于药物和蛋白质口袋分别使用预训练的序列编码器和结构编码器得到表示全局信息的序列特征和表示局部信息的结构特征。4、应用DNN进行药物靶标亲和力的回归预测。该方法通过引入大模型生成的蛋白质结构,极大地缓解了亲和力预测中空间信息稀缺的问题,通过聚焦于结合口袋的多模态信息融合,有效降低了非相互作用区域的噪声影响,能够广泛应用于蛋白质靶标亲和力的预测。
-
公开(公告)号:CN111816246B
公开(公告)日:2023-01-10
申请号:CN202010461333.X
申请日:2020-05-27
Applicant: 上海大学
Abstract: 本发明公开了一种识别差异网络中驱动基因的方法,其特征在于:给定两个代表两种生物状态的基因调控网络,首先量化网络中边的不确定性,然后计算网络中任意两个节点之间最强且最稳定的调控关系,再后将节点特征化表示为网络流的分布,最后量化每个基因在两个网络中的网络流分布差异以识别驱动基因。该方法区别于其他已有的差异网络分析方法,其主要贡献在于结合了网络流和信息熵来刻画网络拓扑的差异。这种结合的优势在于能够量化基因调控网络中边的不确定性,同时能够捕获网络中全面的拓扑特征(局部和全局、线性和非线性特征),因此,能够达到更高的驱动基因识别准确性和健壮性。
-
-
-
-
-
-
-
-
-