-
公开(公告)号：CN118736236A
公开(公告)日：2024-10-01
申请号：CN202410768556.9
申请日：2024-06-14
Applicant: 中国科学院计算机网络信息中心
IPC: G06V10/40 , G06V10/80 , G06V10/774 , G06V10/778
Abstract: 本发明公开了一种针对细粒度属性对比融合的跨模态零样本哈希方法。本发明首先对图像的视觉属性进行特征提取，得到视觉表征矩阵；通过利用属性原型网络来捕获图像细粒度细节和独特的局部特征，计算并优化属性回归损失#imgabs0#根据属性的数值差异为每个图像构建正例和负例，并通过对比学习综合考虑属性的上下文信息制定属性级对比表征目标#imgabs1#引入类一致性约束#imgabs2#基于表征推导哈希网络引入超球面损失#imgabs3#实现更大的类间分离和压缩类间变异；联合#imgabs4#和#imgabs5#进行模型优化，得到未知类图像的预测标签。
-
公开(公告)号：CN118430639A
公开(公告)日：2024-08-02
申请号：CN202410476342.4
申请日：2024-04-19
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明属于生物信息技术领域，涉及一种基于多模态知识图谱的药物‑药物相互作用预测方法和系统。该方法包括：构建药物多模态知识图谱数据集；提取药物相互作用的结构特征和药物的模态特征；训练药物‑药物相互作用预测模型；将待预测的药物对的多模态信息输入训练完成的预测模型中得到药物对发生相互作用的关系类型。本发明通过整合多个数据库的药物相互作用数据和药物多模态信息，构建包含化学结构、靶点、酶与通路四种药物模态的知识图谱，采用多模态对齐和图神经网络学习药物的表征并进行DDIs预测，能够融合药物的多模态信息并在DDIs预测中捕捉药物之间的长路径依赖关系，提升基于计算的DDIs预测方法的准确性与可泛化性，加快推进药物的开发进程。
-
公开(公告)号：CN117809760A
公开(公告)日：2024-04-02
申请号：CN202311793781.X
申请日：2023-12-25
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种基于层次图架构的药物‑药物相互作用预测方法。本发明在分子层次采用注意力感知的消息传递网络来捕获药物分子图的结构和属性信息以编码分子图；在分子内层次提取分子内的子结构，采用自注意力机制捕获分子上下文中子结构中的重要性，构建主题功能模型来挖掘子结构中潜在功能语义信息；对于分子间层次采用迭代学习策略不断精化DDI网络拓扑并优化药物的嵌入表示；本发明采用双层全连接神经网络预测药物对之间发生相互作用的概率。本发明方法取得了卓越的DDI预测性能，对于分析复杂的药物分子内部结构和预测药物对间潜在的相互作用关系具有重要意义。
-
公开(公告)号：CN118711693A
公开(公告)日：2024-09-27
申请号：CN202410555074.5
申请日：2024-05-07
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种基于多层图提示学习的分子性质预测方法及装置，属于化学信息学领域。本发明根据分子的结构数据构建分子图数据并向量化，再根据节点特征构建原子级提示，根据化学键特征和官能图构建化学键提示和官能团提示并作为结构级提示，以及构建任务级提示，将这些提示整合到节点特征中得到优化后分子的表示向量，再输入到神经网络模型进行分子性质预测。本发明通过从多个级别考虑分子的特征来更好地预测分子的性质。
-
Patent Agency Ranking
公开(公告)号：CN119068996A
公开(公告)日：2024-12-03
申请号：CN202410989937.X
申请日：2024-07-23
Applicant: 中国科学院计算机网络信息中心
IPC: G16B40/00 , G16B30/00 , G06F18/23213 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种用于解释单细胞RNA测序数据的孪生聚类方法及系统，属于生物信息技术领域。所述方法包括：对单细胞RNA测序数据进行预处理，得到预处理后的基因表达矩阵，并基于所述预处理后的基因表达矩阵构建细胞间的K最近邻图；对所述预处理后的基因表达矩阵进行特征空间增强，得到扰动属性矩阵#imgabs0#对所述细胞间的K最近邻图进行结构空间增强，得到增强图；基于所述扰动属性矩阵和所述增强图进行信息融合与编解码，得到所述单细胞RNA测序数据对应的聚类结果。本发明能够有效解决现有scRNA‑seq数据聚类方法面临的对细胞间信息探索不足、数据抗噪能力低以及对大型数据集可扩展性差的问题。
-
公开(公告)号：CN117540233A
公开(公告)日：2024-02-09
申请号：CN202311335095.8
申请日：2023-10-16
Applicant: 中国科学院计算机网络信息中心
IPC: G06F18/23213 , G06F18/214 , G06F18/213 , G06F18/25 , G16B40/00 , G06N3/0455 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于深度图切割的scRNA‑seq数据聚类方法及装置，该方法包括：对原始的scRNA‑seq计数矩阵进行预处理，得到原始数据X，并分别构建所述原数数据X的协调协同图和垂直融合图；基于自动编码器提取原始数据X的表征矩阵H，并计算重构损失；结合表征矩阵H最小化协调协同图和垂直融合图的联合归一化切，以得到NCut损失；根据表征矩阵H进行基于最佳传输的自监督聚类，并计算聚类损失；联合重构损失、NCut损失以及聚类损失进行参数更新后，得到原始数据X的聚类结果。本发明可以解决scRNA‑seq实验中数据成指数增长带来的挑战，并获得更好的聚类精度。
-
公开(公告)号：CN116484016B
公开(公告)日：2024-08-13
申请号：CN202310328740.7
申请日：2023-03-30
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/36 , G06F40/295 , G06F40/30 , G06N5/04
Abstract: 本发明涉及一种基于时序路径自动维护的时序知识图谱推理方法和系统，面向时序知识图谱推理任务，利用具有时间信息的历史时序知识图谱序列预测未来时刻知识图谱缺失的事实信息。该发明首先定义了跨时间的时序路径，然后提供一种能够自动建模维护查询实体与每个候选实体之间历史局部时序路径的方法，最后提出一种跨越时间线的路径语义传递策略用于整合历史时间线上的每一历史时刻的局部时序路径，得到最终的全局时序路径，用于未来下一时刻的图谱事实推理。本发明能够直接将学习到的时序路径表示用于未来时刻的知识图谱事实预测，能够利用具有时间信息的历史时序知识图谱序列预测未来时刻知识图谱缺失的事实信息。
-
公开(公告)号：CN116484016A
公开(公告)日：2023-07-25
申请号：CN202310328740.7
申请日：2023-03-30
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/36 , G06F40/295 , G06F40/30 , G06N5/04
Abstract: 本发明涉及一种基于时序路径自动维护的时序知识图谱推理方法和系统，面向时序知识图谱推理任务，利用具有时间信息的历史时序知识图谱序列预测未来时刻知识图谱缺失的事实信息。该发明首先定义了跨时间的时序路径，然后提供一种能够自动建模维护查询实体与每个候选实体之间历史局部时序路径的方法，最后提出一种跨越时间线的路径语义传递策略用于整合历史时间线上的每一历史时刻的局部时序路径，得到最终的全局时序路径，用于未来下一时刻的图谱事实推理。本发明能够直接将学习到的时序路径表示用于未来时刻的知识图谱事实预测，能够利用具有时间信息的历史时序知识图谱序列预测未来时刻知识图谱缺失的事实信息。
-
公开(公告)号：CN116168825A
公开(公告)日：2023-05-26
申请号：CN202211687077.1
申请日：2022-12-27
Applicant: 中国科学院计算机网络信息中心
IPC: G16H50/20 , G06F16/36 , G06F18/214
Abstract: 本公开涉及一种基于知识图谱增强的可解释性疾病自动诊断装置，所述装置包括：数据获取模块，用于获取患者的症状和医生对每一症状的补充说明；数据增强模块，用于结合所述补充说明，计算各症状的增强表示；路径推断模块，用于在知识图谱中基于所述增强表示进行路径推断，得到每一症状对应的路径集合；其中，所述知识图谱中的实体包括：疾病、症状、手术、药物、描述、相关疾病和相关症状，所述知识图谱中的关系包括：相关于、手术史有和疾病表现，所述路径集合中的路径是以疾病实体为终点的路径；症状推断模块，用于计算所有路径终点对应的疾病出现概率和/或奖励，以得到所述症状的诊断结果。本发明实现了疾病诊断和原因解释两个目的。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.041 seconds)
