单细胞生成式预训练基础模型的构建方法及其应用

    公开(公告)号:CN118016163A

    公开(公告)日:2024-05-10

    申请号:CN202410058238.3

    申请日:2024-01-15

    Applicant: 清华大学

    Abstract: 本发明涉及生物信息学技术领域,公开一种单细胞生成式预训练基础模型的构建方法及其应用,包括:得到细胞的基因表达数据和元数据,并利用二元组的形式表示基因表达数据和元数据,得到第一二元组和第二二元组;根据预设任务提示词,将第一二元组和第二二元组进行连接,得到若干携带预设任务提示词的细胞句子;根据携带预设任务提示词的细胞句子,进行生成式建模,利用深度神经网络学习基因之间的表达依赖关系,得到单细胞生成式预训练基础模型。本发明充分利用元数据,通过生成式建模,利用深度神经网络,实现通用基因调控的理解;利用预设任务提示词对二元组进行有组织的连接、排列,使模型能够通过预设任务提示词独立、高效地完成各项任务。

    基于平扫CT和深度学习的肝包虫病筛查方法及系统

    公开(公告)号:CN116309266A

    公开(公告)日:2023-06-23

    申请号:CN202211531236.9

    申请日:2022-12-01

    Applicant: 清华大学

    Abstract: 本发明提供一种基于平扫CT和深度学习的肝包虫病筛查方法及系统,属于智能医疗技术领域,通过肝脏分割模型、肝包虫病灶识别模型结合肝包虫病筛查模型,实现了基于平扫CT即可实现肝包虫病识别,减少了患者因做增强CT而导致摄入更多射线辐射的风险,降低了患者因需要注射造影剂导致存在过敏的风险,临床适用性较强;能够在切片级识别、分类与分割的基础上,实现患者级的诊断,同时具备可解释性;结合了包虫病在临床诊治中的真实情况和包虫病的临床特性,识别准确率大大提高,此外可以对包含健康人在内的人群进行识别筛查,使用范围广。

Patent Agency Ranking