-
公开(公告)号：CN113921094B
公开(公告)日：2025-01-10
申请号：CN202111194037.9
申请日：2021-10-13
Applicant: 南通大学
Abstract: 本发明提供一种基于表示学习的抗HBV小分子药物预测模型及其构建方法，涉及药物研究技术领域，通过对SMILES编码的处理，使用NLP的方法对SMILES编码进行表示学习。使用机器学习方法对SMILES编码的空间向量的有监督分类模型，在该模型中分类预测小分子对特定靶点的活性。与现有技术相比，在不同靶点数据集上体现出优于传统Word2vec的性能。与此同时，在训练向量后的下游任务中，在预测化合物对HBV抑制率和对肝细胞毒性方面都产生了确定性的优势，具备较好筛选潜在抗HBV药物的能力。该方法可用于广泛的应用于其他不同靶点化合物的类药性预测，从而简化药物研发流程。
-
公开(公告)号：CN110348019A
公开(公告)日：2019-10-18
申请号：CN201910644003.1
申请日：2019-07-17
Applicant: 南通大学
Abstract: 本发明提供一种基于注意力机制的医疗实体向量转化方法，建立MedE2vec模型，具体包括以下步骤：患者整个医疗过程的电子病历包括时间分布零散的多次诊疗事件Event，单次的诊疗事件Event由患者的多个医疗实体Entity组成；输入患者的一次临床诊疗的所有医疗实体，由初始化向量矩阵W将其初始化为向量表示的诊疗序列；捕获患者诊疗事件序列V内部的医疗实体之间的关系即注意力机制；捕获患者不同诊疗事件间的关系：经过迭代训练得到向量矩阵W，W中的第i行即表示医疗实体集合中的向量；通过损失函数不断优化向量矩阵W，来得到最终的医疗实体向量。本发明是一个基于注意力机制的深度学习模型；MedE2vec可以生成更加精确的医疗实体向量。
-
公开(公告)号：CN115910236A
公开(公告)日：2023-04-04
申请号：CN202211407672.5
申请日：2022-11-10
Applicant: 南通大学
IPC: G16C20/70 , G16C20/90 , G16C20/30 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/084 , G06N5/025
Abstract: 本发明提供一种基于知识图增强和注意力分配的多维特征表示学习模型，为了解决现有技术中的相关问题，探索了多维度分子特征编码，并结合化学元素知识图谱，提出了MKGA模型。该模型包括三个子模块，从分子Smiles编码、分子图编码，以及特征融合预测。因此，该模型可以从1D语义及2D拓扑结构的角度学习分子特征。在分子图编码的过程中，还加入了CKG对分子图表示进行改进。考虑到分子图中不同原子对于分子性质影响程度的不同，我们设计了一种特征注意来校准分子图编码中不同原子的注意力权重。
-
公开(公告)号：CN115413868A
公开(公告)日：2022-12-02
申请号：CN202211144669.9
申请日：2022-09-20
Applicant: 南通先进通信技术研究院有限公司 , 南通大学
Abstract: 本发明公开了一种基于5G通信技术的医疗呼叫装置，属于医疗辅助设备技术领域，包括呼叫组件，所述呼叫组件包括外壳体和安装在外壳体内部的医疗呼叫系统；所述医疗呼叫系统包括扬声器、语音录入器、蓄电池模块、5G通讯模块、控制器、北斗定位模块、睡眠监测模块、身份识别模块、心跳监测器和无线充电模块；外壳体的侧面安装有用于启动语音录入器的启动按钮。通过上述方式，本发明可佩戴在患者身上，方便移动，若病人在病床外发生突发状况，按动启动按钮录入语言即可联系护士台，可及时联系护士。本发明不仅具有呼叫功能，还可以监测病人的睡眠质量、心率等健康信息，便于护士台了解病人的睡眠、心率等信息。
-
公开(公告)号：CN105589953A
公开(公告)日：2016-05-18
申请号：CN201510964759.6
申请日：2015-12-21
Applicant: 南通大学
IPC: G06F17/30
CPC classification number: G06F16/9577 , G06F16/955
Abstract: 本发明公开了一种突发公共卫生事件互联网文本抽取方法，包括筛选作为对突发公共卫生事件信息进行挖掘的社会媒体，对筛选后的社会媒体进行分类，对于不同类别的社会媒体按照不同的方式进行文本抓取，以及将抓取的结果存入数据库。本方法充分考虑了不同社会媒体的不同特点，根据这些不同特点制定不同的信息抓取策略，从而实现了提高信息抓取速度、增进抓取信息的准确度，因此能够在第一时间收集突发公共卫生事件的舆情，对突发公共卫生事件的做出预警，此外还可供公共管理部门监测舆情使用。
-
Patent Agency Ranking
公开(公告)号：CN104573009A
公开(公告)日：2015-04-29
申请号：CN201510010013.1
申请日：2015-01-08
Applicant: 南通大学
CPC classification number: G06F16/93 , G06F17/2705 , G06N5/02
Abstract: 本发明公开了一种领域知识库属性扩展的方法，包括建立属性要素框架,再通过参考《同义词词林》扩展属性词，从而作为种子集合。将已有的、并且词性标注和经过Gate标注的属性信息作为种子属性集合，设计种子模式，选择与种子模式匹配的内容信息，将这些特征词按照给定的文本模式结构进行模式化表示，从而生成新的文本模式，再用这些自动获取的文本模式来抽取新的特征属性，并将新的特征属性加入属性特征种子集合，不断重复这段过程从而完善扩充属性信息，本发明能提高领域知识库属性扩展覆盖面和精确度，进而提高领域知识库的质量，同时该方法简单高效。
-
公开(公告)号：CN118800363A
公开(公告)日：2024-10-18
申请号：CN202410771966.9
申请日：2024-06-15
Applicant: 南通大学附属医院
Abstract: 本发明属于AI辅助药物设计领域，公开了基于人工智能片段化技术的先导活性分子生成与筛选方法，包括基于AIDD的片段化活性分子的数据处理、高亲和力的活性分子片段预测以及先导活性分子筛选。本发明从语言模型角度，将分子碎片化为多个token的组合，关注这些token片段的相互作用关系，找到对分子性质影响较大的片段。进一步以分子的分段表示为基础结合语言模型，使用基于语言模型的亲和力模型来筛选具有高亲和力的分子片段。所得到高亲和力的分子片段可以进一步结合分子属性约束，最终通过多维属性预测模型对初步生成的分子进行筛选，生成先导活性分子，实现了AI辅助药物生成的完整解决方案。
-
公开(公告)号：CN118098427A
公开(公告)日：2024-05-28
申请号：CN202410218342.4
申请日：2024-02-28
Applicant: 南通大学
Abstract: 本发明公开了一种基于几何图增强对比学习的多维特征融合分子表示方法，所述方法包括如下步骤：S1、从未标记的数据库中获取药物分子的两种表达形式，即SMILES序列形式和3D分子图形式；S2、通过两种表达形式的预训练模型分别获得SMILES和分子图的特征编码；S3、同一个药物分子的特征编码视为正样本对，不同药物分子的特征编码视为负样本对；并在表征空间中最大化正样本对之间的相似度同时最小化负样本对之间的相似度。本发明解决了监督学习中数据不均衡带来的过拟合问题。
-
-
公开(公告)号：CN113946647A
公开(公告)日：2022-01-18
申请号：CN202111222447.X
申请日：2021-10-20
Applicant: 南通大学
Abstract: 本发明提供了一种基于医学实体向量的DDIs搜索引擎及其构建方法，其中构建方法包含以下步骤：S1：命名实体识别和数据库构建；S2：文献医学实体向量构建；S3：DDI二分类和四分类。由于其与Ising模型和Skip‑Gram模型的结合，它考虑了医学实体的全局和局部关系。医学实体向量的有用性可以在DDI任务中得到很好的证明。结果显示，我们的方法在DDI二分类任务中的F1值高达0.988，在DDI四分类任务中的F1值为0.993，优于以前的方法。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.015 seconds)
