-
公开(公告)号：CN119842854A
公开(公告)日：2025-04-18
申请号：CN202411876145.8
申请日：2024-12-19
Applicant: 浙江工业大学
IPC: C12P33/00 , C12N15/81 , C12N15/53 , C12N15/61 , C12N15/54 , C12N15/31 , C12N1/19 , C12R1/865 , C12R1/32
Abstract: 一种地屈孕酮关键中间体从头生物合成路线的设计、构建方法及应用，属于地屈孕酮关键中间体合成技术领域。本发明构建了一株可从头合成7‑DHC的重组S.cerevisiae菌株ScBL6，利用其进行500mL摇瓶发酵时，7‑DHC总产量达到214mg/L，相较于对照ScBL2菌株，7‑DHC总产量提升15.24倍。在5L发酵罐中，7‑DHC产量达到1.06g/L，将罐中的菌体进行破碎提取后浓缩至20g/L，最终利用新金分枝杆菌的侧链降解能力，微生物转化72h后，目标产物6‑去氢双降醇的摩尔转化率达到78.54％，产物累积浓度为15.71g/L，144h检测到6‑去氢双降醇的摩尔转化率为83.49％，最终产物浓度达到16.72g/L。
-
公开(公告)号：CN114971737A
公开(公告)日：2022-08-30
申请号：CN202210662065.7
申请日：2022-06-13
Applicant: 浙江工业大学
Abstract: 一种支持双向反馈的群智感知激励机制设计方法，首先平台发布群智感知任务；用户按照任务要求，参与相应感知任务，对收集到的感知数据进行前端处理后，以隐私保护方式上传到平台，并对参与的感知任务给出合作意愿分和反馈意见；平台对收集到的感知数据进行存储和处理，并根据感知数据数量和质量，对每位用户给出平台的合作意愿分；然后，平台支付报酬给参与群智感知任务的用户，并根据用户的反馈意见，完善激励机制；若存在下一次群智感知任务，将按照历史累积的双向反馈的合作意愿分，进行平台和用户的双向选择。本发明实现了支持双向反馈的群智感知激励机制设计方法，大幅度提高群智感知平台的效率和参与者的积极性。
-
Patent Agency Ranking
公开(公告)号：CN115035080B
公开(公告)日：2025-05-27
申请号：CN202210718538.0
申请日：2022-06-16
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 一种基于跨子网同层稠密连接的深度级联网络的快速磁共振成像(Magnetic Resonance Imaging，MRI)方法，该方法充分利用参考模态中丰富的细节信息辅助重建目标模态中的缺失信息：首先，采用深度级联网络结构，将多个MRI重建子网级联起来，使得用户输入的参考模态和目标模态数据可以多次直接参与网络的辅助重建；其次，在各子网内部加入了“同层稠密连接”，以加强各子网络间的特征流动，避免学习冗余特征；最后，在各个子网的末端加入了k空间集成学习模块，以更有效地利用参考模态的频域数据和各个子网的重建结果进行MRI重建。相比于已有的MRI辅助重建方法，本发明所提供的方法达到了更好的重构效果，具有很强的实用性。
-
公开(公告)号：CN119842507A
公开(公告)日：2025-04-18
申请号：CN202411876139.2
申请日：2024-12-19
Applicant: 浙江工业大学
IPC: C12N1/19 , C12N15/81 , C12N15/53 , C12N15/61 , C12N15/54 , C12N15/52 , C12N15/55 , C12N15/31 , C12P33/00 , C12R1/865
Abstract: 本发明具体涉及一种从头合成7‑DHC酿酒酵母基因工程菌及其构建方法与应用，属于生物技术领域。本发明以酿酒酵母工程菌SC9为出发菌株，以TY转座子多次、多拷贝tHMG1、DHCR24、ERG1，以TY转座子多拷贝ERG2、POS5、ERG7、ERG11、IDI1、ERG3，以及在基因组上单拷贝POS5、ERG3、DHCR24，提高胞内还原性辅酶Ⅱ含量及加强7‑DHC合成主路径。基因组单拷贝ACL、ACS1、ERG10、ERG19等以加强酿酒酵母乙醇的利用及动态调控7‑DHC的合成。由本发明构建的酿酒酵母基因工程菌株具有较高的产物累积，为替代传统多步化学合成路线，实现工业化生产奠定基础。
-
公开(公告)号：CN115082584B
公开(公告)日：2025-02-25
申请号：CN202210686315.0
申请日：2022-06-16
Applicant: 浙江工业大学
IPC: G06T11/00 , G06V10/774 , G06V10/82 , G06T7/168 , G06N3/0464 , A61B5/055
Abstract: 一种基于加速比细分的MRI重建网络的训练方法，首先，通过对目标加速比的深度细分，构建一系列具有不同加速比的MRI数据；其次，基于序贯训练方式，从低倍加速比到高倍加速比，依次学习各欠采样的MRI图像到全采样的MRI图像的映射关系，并且，针对每种加速比只进行少量期次的迭代训练；最后，针对目标加速比，进行多个期次的迭代训练。本发明所提供的方法能够有效利用小规模训练样本对高倍欠采样的MRI图像进行重建，具有很强的实用性。
-
公开(公告)号：CN115082584A
公开(公告)日：2022-09-20
申请号：CN202210686315.0
申请日：2022-06-16
Applicant: 浙江工业大学
Abstract: 一种基于加速比细分的MRI重建网络的训练方法，首先，通过对目标加速比的深度细分，构建一系列具有不同加速比的MRI数据；其次，基于序贯训练方式，从低倍加速比到高倍加速比，依次学习各欠采样的MRI图像到全采样的MRI图像的映射关系，并且，针对每种加速比只进行少量期次的迭代训练；最后，针对目标加速比，进行多个期次的迭代训练。本发明所提供的方法能够有效利用小规模训练样本对高倍欠采样的MRI图像进行重建，具有很强的实用性。
-
公开(公告)号：CN115035080A
公开(公告)日：2022-09-09
申请号：CN202210718538.0
申请日：2022-06-16
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 一种基于跨子网同层稠密连接的深度级联网络的快速磁共振成像(Magnetic Resonance Imaging，MRI)方法，该方法充分利用参考模态中丰富的细节信息辅助重建目标模态中的缺失信息：首先，采用深度级联网络结构，将多个MRI重建子网级联起来，使得用户输入的参考模态和目标模态数据可以多次直接参与网络的辅助重建；其次，在各子网内部加入了“同层稠密连接”，以加强各子网络间的特征流动，避免学习冗余特征；最后，在各个子网的末端加入了k空间集成学习模块，以更有效地利用参考模态的频域数据和各个子网的重建结果进行MRI重建。相比于已有的MRI辅助重建方法，本发明所提供的方法达到了更好的重构效果，具有很强的实用性。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
