-
公开(公告)号：CN116403713A
公开(公告)日：2023-07-07
申请号：CN202310308375.3
申请日：2023-03-28
Applicant: 桂林电子科技大学
IPC: G16H50/30 , G06N3/088 , G06F18/2134 , G06F18/2431 , G06F18/21 , G06N3/0464
Abstract: 本发明基于多类无监督特征提取方法对自闭症谱系障风险基因预测的方法，步骤为：获取与自闭症谱系障碍相关基因的正样本、负样本，并从BrainSpan数据库中获取基因的表达值；分别使用自动编码器、主成分分析、奇异值分解和非负矩阵分解四种无监督方法对基因表达值进行特征提取，期间用对数几率回归和五折交叉验证对特征维度的输出进行选择；应用Boruta方法对特征提取后的数据进行特征选择；构建预测模型，输入数据获得初步预测结果；调整训练后预测模型中的参数，对训练后的预测模型进行优化；使用10折交叉验证评估预测模型。实验结果表明，与现有方法相比，我们的结果在各个评估指标都有一定的性能提升，提高了预测与自闭症谱系障相关风险基因的准确率。
-
公开(公告)号：CN116312775A
公开(公告)日：2023-06-23
申请号：CN202310155459.8
申请日：2023-02-23
Applicant: 桂林电子科技大学
IPC: G16B20/40 , G16B30/00 , G16B40/00 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种与自闭症谱系障碍症（ASD）相关RNA序列的预测方法，步骤为：获取与ASD相关编码蛋白转录RNA序列的正样本、负样本，以及相关序列在人类大脑中的基因表达值；使用k‑mer对相关RNA序列进行特征提取，使得每一条序列由一个长度为4k的向量表示；将序列的特征编码与对应的表达值进行特征融合后归一化处理，之后利用卡方检验得到特征子集，并使用逻辑回归得到最终要输入模型的数据；构建预测模型，输入数据获得初步预测结果；调整训练后预测模型中的参数，对训练后的预测模型进行优化；使用10折交叉验证评估预测模型。实验结果表明，与现有方法相比，我们的结果在各个评估指标都有显着的性能提升，提高了预测与ASD相关RNA序列准确率。
-
公开(公告)号：CN114974401A
公开(公告)日：2022-08-30
申请号：CN202210500209.9
申请日：2022-05-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种涉及生物信息领域的基于堆叠式集成策略用于高效识别特定细胞系增强子‑启动子相互作用的预测方法。该预测方法的步骤为：获取6个特定的人类细胞系中的增强子、启动子基因序列，对所有的细胞系的非平衡序列数据进行相同的数据预处理；使用6种特征提取方式提取特征；使用7种计算方法以堆叠式集成的方式训练模型。输入数据获得初步预测结果；调整特征提取方式和计算方法的组合方式优化集成模型，得到最终的预测结果。该方法提取基因序列中的多种信息特征，减少了计算时间，提高了预测特定细胞系增强子‑启动子相互作用的效果。
-
公开(公告)号：CN114898147A
公开(公告)日：2022-08-12
申请号：CN202210496116.3
申请日：2022-05-09
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明是一种基于双端多注意力学习的新冠肺炎胸片图像分类系统，尤其涉及医学图像处理领域。近年来，深度学习模型广泛应用于计算机视觉的多个领域，并且取得了突破性进展。例如器官组织分割、肺部病理检测，以及诊断报告的自动生成。这促使许多研究人员尝试使用深度学习技术来解决目前的困境。然而，这些早期的研究由于数据限制和不统一以及模型的单调，在大数据集上的诊断效果并没有那么理想。注意机制目的是让深度学习模型能够重点关注关键信息，从而学习更具鉴别性的特征表示。根据已有的研究，将注意机制融入深度模型已经在定位、跟踪、视觉问题回答和分割等视觉任务上取得重大突破。所提出的系统将多种网络和多种注意力机制结合，提高了新冠肺炎的筛查效率和诊断精度。实验结果也证明了该系统可以成为新冠肺炎疾病诊断的自动化解决方案。
-
-
-
Search Results
4
records
(took 0.025 seconds)
