-
公开(公告)号：CN119580824A
公开(公告)日：2025-03-07
申请号：CN202411713540.4
申请日：2024-11-27
Applicant: 新疆大学
Abstract: 本发明为一种基于多尺度特征的DTA预测方法和模型。一种基于多尺度特征的DTA预测方法，包括以下步骤：将药物和靶点建模为无向图后，通过图神经网络学习，得药物和靶点的分子尺度特征；对所述的药物和靶点的二分网络，从网络尺度学习，得药物和靶点的网络尺度特征；将所述的药物的分子尺度特征和网络尺度特征、靶点的分子尺度特征和网络尺度特征进行动态融合后，输出预测结果。本发明所述的一种基于多尺度特征的DTA预测方法和模型，结合药物和靶点的分子结构尺度和相互作用网络尺度的多尺度方法去捕获特征信息，再通过特征自适应融合得到复合特征，提升DTA预测效果。
-
公开(公告)号：CN119006501A
公开(公告)日：2024-11-22
申请号：CN202411009523.2
申请日：2024-07-26
Applicant: 新疆大学 , 新疆医科大学第一附属医院
Abstract: 本发明为一种缺血性脑卒中多序列磁共振图像的融合模型及方法。一种缺血性脑卒中多序列磁共振图像的融合模型，包括：病灶检测模块、2个渐进式特征引导模块、边缘检测模块，损失函数模块；所述的病灶检测模块：用于聚焦到DWI图像中的高信号病灶区域；所述的渐进式特征引导模块：用于引导模态图像分支进行特征提取；所述的边缘检测模块：用于提取病灶边缘特征。本发明所述的一种缺血性脑卒中多序列磁共振图像的融合模型及方法，不仅在客观指标上达到SOTA，且主观融合效果更具解释性，首次实现了对缺血性脑卒中辅助诊断主客观评价的统一，有效解决缺血性脑卒中多序列磁共振图像融合中的临床问题。
-
公开(公告)号：CN117174204A
公开(公告)日：2023-12-05
申请号：CN202311213836.5
申请日：2023-09-20
Applicant: 新疆大学
IPC: G16C20/70 , G16C20/20 , G06N20/20 , G06N5/01 , G06F18/214 , G06F18/243
Abstract: 本发明为基于集成学习算法的驼乳掺假的检测模型及建立方法、检测方法。基于集成学习算法的驼乳掺假的检测模型，包括：数据预处理模块、集成学习算法模块、掺假鉴别模块；其中，所述的数据预处理模块：对数据进行归一化处理；所述的集成学习算法模块：将所述的预处理得到的归一化数据输入到集成学习算法中训练并构建多个弱学习器，再将每个弱学习器得到的叶子节点权重加权求和生成强学习器；所述的掺假鉴别模块：对样品进行鉴别。本发明所述的基于集成学习算法的驼乳掺假的检测模型及建立方法、检测方法，不易受样本量大小的限制，简单高效地实现了乳制品的掺假鉴别。
-
公开(公告)号：CN116994107A
公开(公告)日：2023-11-03
申请号：CN202310962829.9
申请日：2023-08-02
Applicant: 新疆大学
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V10/40 , G06N3/04 , G06N3/096
Abstract: 本发明为一种基于迁移学习和多任务学习的病理图像分类方法。一种基于迁移学习和多任务学习的病理图像分类方法，包括以下步骤：(1)将病理切片图像进行特征提取；(2)采用多任务学习的方法将不同特征融合；(3)采用基于迁移学习对所述的步骤(2)中整合后的特征进行微调后，再进行分类。本发明所述的一种基于迁移学习和多任务学习的病理图像分类方法，将迁移学习和多任务学习结合，可准确区分结直肠癌组织病理图像，并且泛化性能高。
-
公开(公告)号：CN116977346A
公开(公告)日：2023-10-31
申请号：CN202310955970.6
申请日：2023-08-01
Applicant: 新疆大学 , 新疆医科大学第一附属医院
Abstract: 本发明为一种基于空间注意力机制的多模态图像分割模型和方法。一种基于空间注意力机制的多模态图像分割模型，包括：编码器模块、解码器模块、跳跃连接模块、空间注意力模块和特征选择模块；所述的编码器模块和解码器模块用于提取特征和恢复图像；所述的跳跃连接模块用于将所述的编码器模块和解码器模块之间的特征图进行拼接；所述的空间注意力模块用于加强关注权重。本发明所述的一种基于空间注意力机制的多模态图像分割模型和方法，将模型和方法可以集成多模态图像信息，使用空间注意机制自适应地调整每个模态的权重，并通过不同的损失函数比率进行优化，解决了模型中的特征缺失问题，使模型聚焦更多关于重要区域。
-
Patent Agency Ranking
公开(公告)号：CN107064489B
公开(公告)日：2018-12-11
申请号：CN201611229026.9
申请日：2016-12-27
Applicant: 新疆大学
IPC: G01N33/533 , G01N21/64
Abstract: 本发明公开了一种基于多孔硅/量子点的荧光生物传感器基底材料的制备方法，包括以下步骤：电化学腐蚀法制备多层多孔硅样品；制备待测抗原；通过偶联剂将水溶性CdSe/ZnS量子点羧基活化，与表面有氨基功能团的生物分子偶联；将待测抗原渗透到多层多孔硅样品；将量子点偶联的抗体渗透到待测抗原修饰的多层多孔硅样品，得到所述基于多孔硅/量子点的荧光生物传感器基底材料；对样品进行表面形貌表征、反射谱测量及荧光检测。本发明的有益效果为：本发明提供的制备方法，以量子点为荧光标记物，多孔硅为荧光放大器的生物传感器检测低浓度的待测抗原，其检测灵敏度显著提高，也可调整为其他生物的特异性检测，扩大了适用范围。
-
公开(公告)号：CN104458660B
公开(公告)日：2017-07-18
申请号：CN201410646324.2
申请日：2014-11-15
Applicant: 新疆大学
IPC: G01N21/59
Abstract: 本发明提供一种基于透射式多孔硅光子晶体微腔角度检测装置的生物分子检测方法，主要的实验仪器为1310nm激光器和光功率检测计（多孔硅对1310nm光波透明）；激光器以一定的角度入射到以多孔硅光子晶体微腔传感器上，用光探测器接收透射光功率，固定激光器和光探测器，旋转多孔硅基底，找到微腔结构对应的最大透射光强功率的角度，然后添加生物改变多孔硅层折射率，再检测透射光的最大光强功率对应的角度，通过前后角度的改变，来检测添加生物浓度。
-
公开(公告)号：CN105866096A
公开(公告)日：2016-08-17
申请号：CN201610198716.6
申请日：2016-04-01
Applicant: 新疆大学
IPC: G01N21/65
CPC classification number: G01N21/658
Abstract: 本发明公开一种高灵敏表面增强拉曼散射多孔硅光子晶体生物传感器件的制备方法，该方法包括以下步骤：S1、采用电化学腐蚀法，将N型单晶硅的表面制做成大孔层?介孔层交替堆叠的多孔硅布拉格反射镜；S2、将所述多孔硅布拉格反射镜做为基底材料，制备附着在孔道中的银纳米颗粒，得到多孔硅光子晶体生物传感器件。本发明利用光子晶体的特殊光子传输特性，以及光学长程池效果，使得光与物质作用长度增加，有效提高器件检测信号强度和灵敏度，拉曼信号强度约为单层多孔硅的5倍，检测极限比单层多孔硅提高两个数量级。
-
公开(公告)号：CN119322049A
公开(公告)日：2025-01-17
申请号：CN202411357798.5
申请日：2024-09-27
Applicant: 新疆大学
Abstract: 本发明为Ag@Pt@PSB复合SERS衬底及制备方法、应用、CXB模型及建立方法、应用。一种Ag@Pt@PSB复合SERS衬底的制备方法，包括以下步骤：(1)制备PSB布拉格反射镜；(2)将所述的PSB布拉格反射镜浸入硝酸银溶液中40‑60s后，取出，再浸入氯铂酸溶液中，至少3min后，用水清洗、干燥，得所述的Ag@Pt@PSB复合SERS衬底。本发明所述的Ag@Pt@PSB复合SERS衬底及制备方法、应用、CXB模型及建立方法、应用，采用电化学腐蚀和原位还原法成功开发了一种新型的Ag@Pt@PSB复合SERS活性衬底，其具有更高的SERS增强效应和更高的灵敏度，从而可用于赛来昔布检测中；并且将该衬底与深度学习算法结合，可建立精准度更高的CXB模型。
-
公开(公告)号：CN111781181B
公开(公告)日：2024-06-21
申请号：CN202010678008.9
申请日：2020-07-15
Applicant: 新疆大学
IPC: G01N21/64
Abstract: 本发明公开了一种多孔硅布拉格反射镜生物传感器的检测方法。第一个信号光是从多孔硅布拉格反射镜表面反射的波长为635nm的探测光。生物探针用半导体量子点标记后与目标分子在多孔硅布拉格反射镜内进行反应，半导体量子点起折射率放大的作用。生物分子在多孔硅布拉格反射镜内发生特异性结合引起了器件折射率增大而导致探测反射光的增强。第二个信号光是生物反应物中量子点的荧光。反应物中的量子点在短波长光激发下，产生波长约为630nm的荧光。荧光信号由多孔硅布拉格反射镜进一步增强。用数字显微镜同时获得多孔硅布拉格反射镜表面两种光叠加的图像，通过计算生物反应前后图像的平均灰度值变化，可高灵敏的检测目标生物分子。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.024 seconds)
