-
公开(公告)号：CN110517729B
公开(公告)日：2021-05-04
申请号：CN201910821860.4
申请日：2019-09-02
Applicant: 吉林大学
IPC: G16B40/00
Abstract: 本发明公开了一种从动态和静态蛋白质相互作用网络中挖掘蛋白质复合物的方法，包括：步骤一、构建具有权重的动态蛋白质相互作用网络和具有权重的静态蛋白质相互作用网络；步骤二、在具有权重的动态蛋白质相互作用网络和具有权重的静态蛋变质相互作用网络中，识别蛋白质复合物的核；步骤三、根据蛋白质复合物的核，在在具有权重的动态蛋白质相互作用网络和具有权重的静态蛋变质相互作用网络中，基于启发式搜索算法构建蛋白质复合物；步骤四、根据社区模型分数给蛋白质复合物进行打分，舍弃低于平均分的蛋白质复合物，进而得到高于平均分的蛋白质复合物；步骤五、在高于平均分的蛋白质复合物中，分别两两计算相似性，得到最终挖掘出的蛋白质复合物。
-
公开(公告)号：CN109390032B
公开(公告)日：2020-07-31
申请号：CN201811299072.5
申请日：2018-11-02
Applicant: 吉林大学
Abstract: 本发明公开了一种基于进化算法在全基因组关联分析的数据中探索与疾病相关的SNP组合的方法，包括如下步骤：步骤一、对群体和个体记录表进行初始化，并且对群体中的个体进行评价指标的计算；其中，所述评价指标包括：ce、gini、k2、g、cec、ginic、k2c、gc；步骤二、对所述评价指标进行排序融合；步骤三、判断群体的进化是否达成终止条件，如果达到了终止条件，则输出进化结果；步骤四、产生一个0～1之间的随机数，判断所述随机数是否大于所述探索概率，根据判断的结果决定用探索或利用的方式产生新个体；步骤五、调整所述新个体，计算调整后的新个体的评价指标，将其追加到个体记录中，判断新个体的八个评价指标是否都大于当前群体中维护的对应评价指标的最大值。
-
公开(公告)号：CN117274330A
公开(公告)日：2023-12-22
申请号：CN202311185184.9
申请日：2023-09-14
Applicant: 吉林大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于Swin Transformer的可变形医学图像配准模型，包括依次连接的：编码器、解码器以及空间变换网络；编码器包括依次连接的：第一下采样卷积神经网络、第二下采样卷积神经网络、卷积神经网络、第一基于WWA的Swin Transformer模块、第一特征分辨率恢复模块、第二基于WWA的Swin Transformer模块、第三下采样卷积神经网络、第三基于WWA的Swin Transformer模块、第四下采样卷积神经网络、第四基于WWA的Swin Transformer模块；解码器包括依次连接的：第一到第五卷积神经网络以及第二卷积神经网络。本发明还提供一种基于Swin Transformer的可变形医学图像配准方法。
-
公开(公告)号：CN110517729A
公开(公告)日：2019-11-29
申请号：CN201910821860.4
申请日：2019-09-02
Applicant: 吉林大学
IPC: G16B40/00
Abstract: 本发明公开了一种从动态和静态蛋白质相互作用网络中挖掘蛋白质复合物的方法，包括：步骤一、构建具有权重的动态蛋白质相互作用网络和具有权重的静态蛋白质相互作用网络；步骤二、在具有权重的动态蛋白质相互作用网络和具有权重的静态蛋变质相互作用网络中，识别蛋白质复合物的核；步骤三、根据蛋白质复合物的核，在在具有权重的动态蛋白质相互作用网络和具有权重的静态蛋变质相互作用网络中，基于启发式搜索算法构建蛋白质复合物；步骤四、根据社区模型分数给蛋白质复合物进行打分，舍弃低于平均分的蛋白质复合物，进而得到高于平均分的蛋白质复合物；步骤五、在高于平均分的蛋白质复合物中，分别两两计算相似性，得到最终挖掘出的蛋白质复合物。
-
Patent Agency Ranking
公开(公告)号：CN109390032A
公开(公告)日：2019-02-26
申请号：CN201811299072.5
申请日：2018-11-02
Applicant: 吉林大学
Abstract: 本发明公开了一种基于进化算法在全基因组关联分析的数据中探索与疾病相关的SNP组合的方法，包括如下步骤：步骤一、对群体和个体记录表进行初始化，并且对群体中的个体进行评价指标的计算；其中，所述评价指标包括：ce、gini、k2、g、cec、ginic、k2c、gc；步骤二、对所述评价指标进行排序融合；步骤三、判断群体的进化是否达成终止条件，如果达到了终止条件，则输出进化结果；步骤四、产生一个0～1之间的随机数，判断所述随机数是否大于所述探索概率，根据判断的结果决定用探索或利用的方式产生新个体；步骤五、调整所述新个体，计算调整后的新个体的评价指标，将其追加到个体记录中，判断新个体的八个评价指标是否都大于当前群体中维护的对应评价指标的最大值。
-
公开(公告)号：CN105740651B
公开(公告)日：2018-05-22
申请号：CN201610128387.8
申请日：2016-03-07
Applicant: 吉林大学
IPC: G06F19/20
Abstract: 本发明公开了一种特定癌症差异表达基因调控网络的构建方法，包括如下步骤：步骤一、根据基因间的功能相似性权值，构建骨架基因互作网络；步骤二、采用分割法，对骨架基因互作网络进行模块划分；步骤三、使用全基因甲基化数据筛选差异表达基因；步骤四、将筛选出来的差异表达基因按照功能进行归类；步骤五、将所有映射到相同功能模块的差异表达基因作为一个功能分类；步骤六、在对每一个功能分类中的所有基因构建调控网络；步骤七、在骨架网络的指导下进行子网络拼装。本发明大大降低了计算的复杂度并且有较高的精度。
-
公开(公告)号：CN105740651A
公开(公告)日：2016-07-06
申请号：CN201610128387.8
申请日：2016-03-07
Applicant: 吉林大学
IPC: G06F19/20
CPC classification number: G06F19/20
Abstract: 本发明公开了一种特定癌症差异表达基因调控网络的构建方法，包括如下步骤：步骤一、根据基因间的功能相似性权值，构建骨架基因互作网络；步骤二、采用分割法，对骨架基因互作网络进行模块划分；步骤三、使用全基因甲基化数据筛选差异表达基因；步骤四、将筛选出来的差异表达基因按照功能进行归类；步骤五、将所有映射到相同功能模块的差异表达基因作为一个功能分类；步骤六、在对每一个功能分类中的所有基因构建调控网络；步骤七、在骨架网络的指导下进行子网络拼装。本发明大大降低了计算的复杂度并且有较高的精度。
-
公开(公告)号：CN116188621A
公开(公告)日：2023-05-30
申请号：CN202211570345.1
申请日：2022-12-08
Applicant: 吉林大学
IPC: G06T11/20 , G06T11/60 , G06N3/0464 , G06N3/044 , G06N3/0475 , G06N3/094 , G06F40/30 , G06V10/82 , G06V10/74
Abstract: 本发明适用于图像生成技术领域，提供了基于文本监督的双向数据流生成对抗网络图像生成方法，包括以下步骤：步骤一：输入文本，并对文本中的句子和单词进行双通道处理，形成了一种全局‑局部注意力机制，随后通过生成器生成图像；步骤二：将步骤一中生成的图像通过卷积神经网络重新转换为新文本，并将新文本与图像分别经过文本编码器和图像编码器获得各自的嵌入表示向量，计算二者相似度；步骤三：依据步骤二中的相似度进行判断，再通过生成模型反向传播，更新潜在空间的嵌入表示向量，重复前向和后向传递直到收敛，得到最大相似度，最后输出最优图像，该方法能够提升由给定文本生成图像的真实性、细节性以及多样性，完成更复杂的图像生成任务。
-
公开(公告)号：CN114139634A
公开(公告)日：2022-03-04
申请号：CN202111468492.3
申请日：2021-12-03
Applicant: 吉林大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于成对标签权重的多标签特征选择方法，步骤1、对训练数据集进行离散化处理；步骤2、给定训练数据的特征全集和标签集合；步骤3、初始化已选特征集合为空，设定特征子集维度；步骤4、通过曼哈顿距离和标签相似性设计成对标签权重；步骤5、利用特征相关性和特征冗余性得到完整的多标签特征选择评估标准；步骤6、为每个候选特征计算特征评估标准，选择取得特征评估标准最大值对应的候选特征，将其加入已选特征集合中，并将其从特征全集中剔除；步骤7、如果已选特征集合中特征个数等于设定的维度，则停止；否则重复步骤6；步骤8、将获得的特征子集S应用在多标签数据中，将降维后的数据输入到多标签分类学习模型。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
