-
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
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：CN112833780A
公开(公告)日：2021-05-25
申请号：CN202011626244.2
申请日：2020-12-31
Applicant: 吉林大学
Abstract: 本发明属于深度学习以及增强现实技术领域，具体涉及一种基于移动智能终端以及ARCore的非接触式快递包裹体积测量方法；利用摄像头捕获被测物体实时画面，结合角度传感器或气压传感器测量数据，计算出被测物体的高度；通过ARCore以及摄像头获取被测物体所处平面，计算被测物体各个边长，使用边长数据以及高度数据获得物体的体积信息，并显示体积框架信息；通过本发明可以辅助快递打包工作并准确高效完成物体体积测量，对于多边形物体体积测算以及非接触快速测量具有特殊重要的意义，此方案具有更高的时效性和普及性，操作简单，成本低廉，具有很大的使用性价值。
-
公开(公告)号：CN112244871A
公开(公告)日：2021-01-22
申请号：CN202011020143.0
申请日：2020-09-25
Applicant: 吉林大学
Abstract: 本发明属于机器学习技术领域，具体涉及一种基于机器学习的振幅整合脑电图分类识读系统，包括数据采集处理模块、特征提取模块和分类模块，其中数据采集处理模块用于采集并处理脑功能监护仪输出的振幅整合脑电图文本数据，特征提取模块用于提取振幅整合脑电图的幅度特征和非线性特征；分类模块采用随机森林分类模型对特征提取模块中提取出的幅度特征和非线性特征进行正异常判定，对随机森林分类模型中决策树的分类结果进行投票，投票次数最多的类型为最终判断结果；本系统对整合脑电图进行分析，辅助临床医生准确高效完成aEEG判定，尽早检查出患有癫痫的新生儿并及时治疗，提高准确率及判断精度。
-
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
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。
-
-
-
Search Results
4
records
(took 0.013 seconds)
