-
公开(公告)号:CN116934703A
公开(公告)日:2023-10-24
申请号:CN202310882529.X
申请日:2023-07-18
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
IPC: G06T7/00 , G06V10/25 , G06V10/40 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/042 , G06N3/0464
Abstract: 本申请提供一种图像处理方法、装置、电子设备及存储介质,涉及医疗影像处理技术领域,应用于检测模型,所述检测模型包括特征提取模型以及脑疾病分类模型,所述方法包括:获取脑影像数据;基于所述脑影像数据,获取用于表征全局信息的脑功能网络,所述脑功能网络包括至少一个脑区节点;将所述脑功能网络输入所述特征提取模型,获取脑功能子网络对应的子网络特征向量,所述子网络特征向量用于表征所述脑功能网络中对应不同的区域的局部信息;将所述子网络特征向量输入所述脑疾病分类模型,输出检测结果。
-
公开(公告)号:CN115511076A
公开(公告)日:2022-12-23
申请号:CN202211196991.6
申请日:2022-09-28
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
Abstract: 本公开提供一种网络表示学习方法、装置、设备及存储介质,其中网络表示学习方法利用目标神经网络进行目标领域下的网络表示学习;目标神经网络包括N级第一神经网络和N‑1级第二神经网络;第t级第一神经网络的输出为第t级第二神经网络的输入;第(t‑1)级第二神经网络的输出为第t级第一神经网络的输入和第t级第二神经网络的输入;网络表示学习方法包括:获取异构网络数据;将异构网络数据输入至目标神经网络中,得到第一网络表示;基于异构网络数据和第一网络表示,确定训练数据;基于训练数据,对逻辑回归模型和目标神经网络进行训练,将逻辑回归模型和目标神经网络训练完成时,目标神经网络输出的第二网络表示作为目标领域任务的目标网络表示。
-
公开(公告)号:CN117133382A
公开(公告)日:2023-11-28
申请号:CN202311101654.9
申请日:2023-08-29
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
Abstract: 本发明公开了一种药物分子间作用预测模型的训练方法及装置。所述方法包括:获取训练样本集;所述训练样本中包含:表征N种药物分子信息的样本特征,以及表征N种药物分子间相互作用的标签;N≥2;获取超图;所述超图中的任一节点对应于药物分子结构图中的预设子图;所述超图中的任一超边对应于药物分子信息,连接所述超图中的节点;获取预测模型;所述预测模型中包含:超图特征表示层和预测层;所述超图特征表示层用于提取超边特征,根据所提取的超边特征确定药物分子特征;所述预测层用于针对所述超图特征表示层得到的药物分子特征,预测N种药物分子间的相互作用;基于所述训练样本集训练更新所述预测模型。
-
公开(公告)号:CN116490926A
公开(公告)日:2023-07-25
申请号:CN202180002692.1
申请日:2021-09-27
Applicant: 京东方科技集团股份有限公司
IPC: G16B20/00
Abstract: 一种RNA‑蛋白质相互作用预测方法、装置、介质及电子设备;涉及人工智能技术领域。所述方法包括:获取待预测的RNA‑蛋白质对(S210);对所述待预测的RNA‑蛋白质对进行特征提取,得到所述待预测的RNA‑蛋白质对的序列特征(S220);向量化所述待预测的RNA‑蛋白质对,得到所述待预测的RNA‑蛋白质对中的RNA序列表示向量和蛋白质序列表示向量(S230);基于所述待预测的RNA‑蛋白质对的序列特征、待预测的RNA‑蛋白质对中的RNA序列表示向量和蛋白质序列表示向量,使用多个相互作用预测模型分别得到所述待预测的RNA‑蛋白质对的多个相互作用预测值(S240);根据所述多个相互作用预测值确定所述RNA和蛋白质之间的相互作用(S250)。
-
公开(公告)号:CN111353049A
公开(公告)日:2020-06-30
申请号:CN202010113895.5
申请日:2020-02-24
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
IPC: G06F16/36 , G06F16/35 , G06F16/332 , G06F16/33
Abstract: 本申请提供了一种数据更新方法、装置、电子设备及计算机可读存储介质。所述方法包括:获取搜索语句;根据所述搜索语句对应的语句类型,确定所述搜索语句对应的目标查询语句;在知识库中未查询到所述目标查询语句对应的查询结果时,对所述搜索语句进行聚类处理,得到至少一个聚类搜索内容;将所述至少一个聚类搜索内容中符合预设条件的目标搜索内容发送至业务端;获取由所述业务端根据所述目标搜索内容编辑的目标查询结果;根据所述目标查询结果更新所述知识库。本申请通过在根据聚类的搜索内容未查询到相应结果时,直接将搜索内容发送至业务端进行编辑,无需人工判断需要向知识库加入哪些知识,减少了人力资源的浪费,节省了人力成本。
-
公开(公告)号:CN117769704A
公开(公告)日:2024-03-26
申请号:CN202280002295.9
申请日:2022-07-22
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
IPC: G06F18/24 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本公开提供了一种分类模型的训练方法、分类方法、装置、电子设备及介质。该方法包括:利用自编码模块处理第一样本数据,得到重构样本数据,其中,自编码模块包括至少一个自编码器,自编码器包括编码器和解码器,第一样本数据包括医学样本数据;利用分类模块处理第一样本数据的第一样本特征数据,得到第一样本分类结果;根据第一样本数据、重构样本数据、第一样本分类结果和第一样本数据的第一样本分类标签值联合训练自编码模块和分类模块;根据经训练的编码器和分类模块,得到分类模型。
-
公开(公告)号:CN110613446A
公开(公告)日:2019-12-27
申请号:CN201910945588.0
申请日:2019-09-30
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明提供了一种信号处理方法及装置,涉及信号技术领域。其中,该方法包括:获取脑电信号集,包括原始自发脑电信号和原始诱发脑电信号;对原始自发脑电信号进行第一去噪处理,得到第一自发脑电信号,对原始诱发脑电信号进行第二去噪处理,得到第一诱发脑电信号;提取表征第一自发脑电信号的动力学非线性特征的第一特征,提取表征第一诱发脑电信号的受激影响程度的第二特征;将第一特征和第二特征输入预设脑电分类模型,得到脑电信号集所属的目标脑电信号类别。在本发明中,可以从不同刺激场景下的脑电信号中均提取特征,增加了脑电信号的模态和特征维度,进而可根据多模态脑电信号中提取的多维度特征进行分类,提高了脑电信号分类的准确性。
-
公开(公告)号:CN116978549A
公开(公告)日:2023-10-31
申请号:CN202310956766.6
申请日:2023-07-31
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
IPC: G16H50/20 , G16H50/30 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种器官疾病预测方法、装置、设备及存储介质。所述方法包括:获取目标器官图像和预先训练的器官疾病预测网络;器官疾病预测网络中包含:疾病模块、注意力模块和分类模块;将所述目标器官图像输入到所述疾病模块中,基于特征提取判断所述目标器官是否存在疾病;在确定所述目标器官存在疾病的情况下,将所述目标器官图像和所述疾病模块的特征提取结果输入到所述注意力模块,得到病变特征图;将所述病变特征图输入到所述分类模块中,预测所述目标器官存在疾病的类型。
-
公开(公告)号:CN114765075A
公开(公告)日:2022-07-19
申请号:CN202110040485.7
申请日:2021-01-13
Applicant: 京东方科技集团股份有限公司
Inventor: 张春会
Abstract: 一种药品推荐方法、药品推荐装置、药品推荐系统、电子设备及非瞬时性存储介质。该药品推荐方法包括:获取患者信息;基于药品知识图谱和患者信息,确定候选药品集合;对候选药品集合中的每个药品进行打分,根据打分结果确定目标推荐药品;以及提供目标推荐药品。该药品推荐方法可以对候选药品集合中的每个药品进行打分排序以确定目标推荐药品,从而,可以有效避免产生庞大的推荐结果,方便用户选择,同时还可以降低用药副作用发生概率。
-
公开(公告)号:CN119132633A
公开(公告)日:2024-12-13
申请号:CN202411161751.1
申请日:2024-08-22
Applicant: 北京京东方技术开发有限公司 , 京东方科技集团股份有限公司
Inventor: 张春会
IPC: G16H50/70 , G06N3/042 , G06N3/0464
Abstract: 一种链路预测方法、装置及存储介质,该链路预测方法包括:获取预设第一数据集,根据所述预设第一数据集确定N个节点以及节点之间的已知连边信息,N为大于或等于3的正整数;确定所述N个节点的初始特征向量;分别根据所述N个节点的初始特征向量和所述节点之间的已知连边信息生成节点之间的超边;根据所述N个节点和生成的超边构建超图并对所述超图进行超图表示学习;根据所述超图表示学习结果进行节点之间的链路预测。
-
-
-
-
-
-
-
-
-