公开(公告)号：CN109800811A

公开(公告)日：2019-05-24

申请号：CN201910065984.4

申请日：2019-01-24

Applicant: 吉林大学

Inventor： 李玲 ,  刘婉莹 ,  刘丹 ,  杨秀华 ,  黄玉兰 ,  张海蓉 ,  李志军 ,  佟宇琪 ,  戴思达 ,  渠云龙 ,  顾琳 ,  李林 ,  杨泰 ,  梁楫坤

IPC: G06K9/62

Abstract: 本发明涉及一种基于深度学习的小样本图像识别方法，该方法包括下述步骤：一、划分训练集；二、生成噪声图像；三、预训练原型空间判别网络；四、训练欺骗图像生成网络；五、训练原型空间判别网络；六、重复步骤四和步骤五进行交叉迭代训练，直到达到预先设定的迭代次数或准确率不再提升；七、图像类别识别。本发明在不改变已经训练好的模型的前提下，借助每类少数几个标注样本，通过泛化这些罕见的类别，识别训练过程中有从未见过的新类，而不需要额外的训练，图像识别准确率高。

公开(公告)号：CN109800811B

公开(公告)日：2022-09-06

申请号：CN201910065984.4

申请日：2019-01-24

Applicant: 吉林大学

Inventor： 李玲 ,  刘婉莹 ,  刘丹 ,  杨秀华 ,  黄玉兰 ,  张海蓉 ,  李志军 ,  佟宇琪 ,  戴思达 ,  渠云龙 ,  顾琳 ,  李林 ,  杨泰 ,  梁楫坤

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于深度学习的小样本图像识别方法，该方法包括下述步骤：一、划分训练集；二、生成噪声图像；三、预训练原型空间判别网络；四、训练欺骗图像生成网络；五、训练原型空间判别网络；六、重复步骤四和步骤五进行交叉迭代训练，直到达到预先设定的迭代次数或准确率不再提升；七、图像类别识别。本发明在不改变已经训练好的模型的前提下，借助每类少数几个标注样本，通过泛化这些罕见的类别，识别训练过程中有从未见过的新类，而不需要额外的训练，图像识别准确率高。

公开(公告)号：CN112885409A

公开(公告)日：2021-06-01

申请号：CN202110059973.2

申请日：2021-01-18

Applicant: 吉林大学

Inventor： 李玲 ,  杨泰 ,  王霁 ,  梁楫坤 ,  黄玉兰 ,  张海蓉

IPC: G16B30/00 ,  G16B40/00

Abstract: 本发明属于结直肠癌蛋白标志物选择技术领域，具体涉及一种基于特征选择的结直肠癌蛋白标志物选择系统；其中数据处理模块采集大肠癌蛋白文本数据，并对数据进行处理，特征排序模块采集数据处理模块输出的数据，并按ReliefF法计算每种大肠癌表达蛋白的权重；特征选择模块使用Lasso方法计算每种大肠癌表达蛋白的特征重要性，最后分别将每种蛋白质的特征重要性与该种蛋白质的权重相乘，获得每种蛋白质的重要性评分，归一化处理得到每种蛋白质的最终重要性评分，将蛋白质的最终重要性评分从大到小进行排序，选择排名靠前的蛋白质作为输出；辅助临床医生对肿瘤生物标志物的鉴定，分析肿瘤组织与正常组织的蛋白质组差异。

公开(公告)号：CN112885409B

公开(公告)日：2023-03-24

申请号：CN202110059973.2

申请日：2021-01-18

Applicant: 吉林大学

Inventor： 李玲 ,  杨泰 ,  王霁 ,  梁楫坤 ,  黄玉兰 ,  张海蓉

IPC: G16B30/00 ,  G16B40/00

Abstract: 本发明属于结直肠癌蛋白标志物选择技术领域，具体涉及一种基于特征选择的结直肠癌蛋白标志物选择系统；其中数据处理模块采集大肠癌蛋白文本数据，并对数据进行处理，特征排序模块采集数据处理模块输出的数据，并按ReliefF法计算每种大肠癌表达蛋白的权重；特征选择模块使用Lasso方法计算每种大肠癌表达蛋白的特征重要性，最后分别将每种蛋白质的特征重要性与该种蛋白质的权重相乘，获得每种蛋白质的重要性评分，归一化处理得到每种蛋白质的最终重要性评分，将蛋白质的最终重要性评分从大到小进行排序，选择排名靠前的蛋白质作为输出；辅助临床医生对肿瘤生物标志物的鉴定，分析肿瘤组织与正常组织的蛋白质组差异。