-
公开(公告)号：CN117972440A
公开(公告)日：2024-05-03
申请号：CN202410381182.5
申请日：2024-04-01
IPC: G06F18/214 , G06F18/2131 , G06F18/241 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , A61B5/0245 , A61B5/346 , A61B5/00
Abstract: 本发明属于医学数据处理技术领域，公开了一种基于生成对抗网络的失衡心率数据集处理方法及系统。该方法采用多层小波变换分解方法，滤除心率信号的基线漂移与噪声，将心率数据从一维数据转换至低纬表示数据；利用构建的CECG‑GAN神经网络模型对心电信号的高维数据与低维表示数据进行可逆映射，以及对所述CECG‑GAN神经网络模型进行训练获得用于扩充稀缺样本的合成数据集；对获得的合成数据集结合分类判断模型的精确率、召回率、F1‑score值，判断是否为有效样本，并进行保存。本发明CECG‑GAN神经网络模型的高合成质量和多样性在时序数据领域中具有重要潜力，特别是在合成扩充数据集方面。
-
公开(公告)号：CN111138553A
公开(公告)日：2020-05-12
申请号：CN202010051245.2
申请日：2020-01-17
Applicant: 吉林大学第一医院
IPC: C07K19/00 , C12N15/62 , A61K39/002 , A61P33/02
Abstract: 本发明提供了一种融合蛋白及其核苷酸序列，包括弓形虫P30蛋白亚单位和T细胞抗原表位。以及一种使用该融合蛋白的用于预防怀孕母猪因弓形虫病而流产的疫苗及其疫苗组合物。本发明的有益效果在于，所述融合蛋白具有高表达量、高免疫原性的特点。所述疫苗及疫苗组合物，可有效预防怀孕母猪因弓形虫病而流产并且疫苗稳定性高。
-
Patent Agency Ranking
公开(公告)号：CN117972439B
公开(公告)日：2024-06-18
申请号：CN202410381113.4
申请日：2024-04-01
IPC: G06F18/214 , G06F18/21 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0985 , A61B5/0245 , A61B5/346 , A61B5/00 , G06F123/02
Abstract: 本发明属于医学信息预测技术领域，公开了基于增强空间构造与生成对抗网络的心率预测方法及系统。该方法以原数据集经EMD经验模态分解算法滤除噪声；将原始高维心率信号映射至构造空间，在低维空间中将数据输入拼接噪声，首先训练构造网络与逆构造网络，然后交替训练生成对抗网络模型中的生成网络与判别网络，生成更真实的数据，以及区分真实数据与生成数据之间的区别；再利用多损失值复合训练模型训练深度学习模型GAN‑ECGformer；训练完毕后检查预测样本质量。本发明不仅提高了预测的准确性，而且确保了生成效果的多样性，从而使模型能够有效处理更广泛类型的心率数据。
-
公开(公告)号：CN117854716B
公开(公告)日：2024-06-21
申请号：CN202410263338.X
申请日：2024-03-08
Applicant: 长春师凯科技产业有限责任公司 , 长春理工大学 , 吉林大学第一医院
Abstract: 本发明属于医学数据处理技术领域，公开了基于HF‑GAN的心脏病诊断缺失数据填补方法及系统。该方法对系统初始化和配置的训练数据集以及测试数据集进行数据预处理；基于数据预处理后的数据，构建特征属性矩阵，并利用属性矩阵直接将医学疾病缺失数据转换为实值型、二值型或标称型数据，生成逼近真实数据的数据；构建并训练生成对抗网络，利用所述生成对抗网络对医学疾病缺失数据进行填补；对所述利用生成对抗网络对医学疾病缺失数据进行填补性能进行评估。本发明生成新的多样化数据实例，保证数据合理性的同时，增加数据的丰富性和复杂性。本发明提高了数据可解释性和实际应用价值，确保生成数据的有效性。
-
公开(公告)号：CN117972439A
公开(公告)日：2024-05-03
申请号：CN202410381113.4
申请日：2024-04-01
IPC: G06F18/214 , G06F18/21 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0985 , A61B5/0245 , A61B5/346 , A61B5/00 , G06F123/02
Abstract: 本发明属于医学信息预测技术领域，公开了基于增强空间构造与生成对抗网络的心率预测方法及系统。该方法以原数据集经EMD经验模态分解算法滤除噪声；将原始高维心率信号映射至构造空间，在低维空间中将数据输入拼接噪声，首先训练构造网络与逆构造网络，然后交替训练生成对抗网络模型中的生成网络与判别网络，生成更真实的数据，以及区分真实数据与生成数据之间的区别；再利用多损失值复合训练模型训练深度学习模型GAN‑ECGformer；训练完毕后检查预测样本质量。本发明不仅提高了预测的准确性，而且确保了生成效果的多样性，从而使模型能够有效处理更广泛类型的心率数据。
-
公开(公告)号：CN111138553B
公开(公告)日：2020-09-25
申请号：CN202010051245.2
申请日：2020-01-17
Applicant: 吉林大学第一医院
IPC: C07K19/00 , C12N15/62 , A61K39/002 , A61P33/02
Abstract: 本发明提供了一种融合蛋白及其核苷酸序列，包括弓形虫P30蛋白亚单位和T细胞抗原表位。以及一种使用该融合蛋白的用于预防怀孕母猪因弓形虫病而流产的疫苗及其疫苗组合物。本发明的有益效果在于，所述融合蛋白具有高表达量、高免疫原性的特点。所述疫苗及疫苗组合物，可有效预防怀孕母猪因弓形虫病而流产并且疫苗稳定性高。
-
公开(公告)号：CN117854716A
公开(公告)日：2024-04-09
申请号：CN202410263338.X
申请日：2024-03-08
Applicant: 长春师凯科技产业有限责任公司 , 长春理工大学 , 吉林大学第一医院
Abstract: 本发明属于医学数据处理技术领域，公开了基于HF‑GAN的心脏病诊断缺失数据填补方法及系统。该方法对系统初始化和配置的训练数据集以及测试数据集进行数据预处理；基于数据预处理后的数据，构建特征属性矩阵，并利用属性矩阵直接将医学疾病缺失数据转换为实值型、二值型或标称型数据，生成逼近真实数据的数据；构建并训练生成对抗网络，利用所述生成对抗网络对医学疾病缺失数据进行填补；对所述利用生成对抗网络对医学疾病缺失数据进行填补性能进行评估。本发明生成新的多样化数据实例，保证数据合理性的同时，增加数据的丰富性和复杂性。本发明提高了数据可解释性和实际应用价值，确保生成数据的有效性。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
