-
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
IPC: G16B40/00 , G16B25/10 , G06N3/084 , G06N3/0455
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。
-
公开(公告)号：CN109036521B
公开(公告)日：2022-09-23
申请号：CN201810581501.1
申请日：2018-06-07
Applicant: 清华大学
IPC: G16H30/20
Abstract: 本发明提供一种病理切片图片显示方法及系统，其中的方法包括块初始化，在块初始显示的范围内，确定病理切片图片的其中一层的所有块的位置信息，并将所有块读入缓存；缓存中计算并读取显示范围所需的块的信息；将读取的各块的信息按照应位置拼接起来，并进行比例的缩小，得到新块的显示位置信息；判断新块的所在的层数、位置是否发生变化，如果发生变化，则从将新块初始化，行逐步进行操作；判断缓存中块的位置是否包含在新块的显示位置中，若否则释放；判断新块的显示位置范围的拓展方向，并计算新块的拓展位置，将新块读取入缓冲内。利用本发明，能够解决病理切片图像显示时读取时间长、占用缓存空间大以及图片操作运算多等问题。
-
公开(公告)号：CN115082718A
公开(公告)日：2022-09-20
申请号：CN202210488276.3
申请日：2022-05-06
Applicant: 清华大学
IPC: G06V10/762 , G06V10/25 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本申请提供的一种基于组织病理图像的胶质瘤分级方法、装置、设备及介质，通过将获取到的待检测的WSI图像输入到预先训练得到的胶质瘤分级模型中，得到该待检测的WSI图像对应的胶质瘤恶性级别，然后保存该胶质瘤恶性级别，以实现智能诊断，辅助医生进行诊断，增强了胶质瘤诊断结果的客观性，使得诊断准确性提高。
-
公开(公告)号：CN111062043B
公开(公告)日：2022-05-20
申请号：CN201911200681.5
申请日：2019-11-29
Applicant: 清华大学
Abstract: 本发明提供一种基于边缘计算的医疗影像识别方法及系统，包括：数据使用端向域内边缘计算发出第一请求，第一请求包括算法、数据请求信息和私钥；边缘计算根据第一请求在云中心查找符合第一请求的数据拥有端，建立沙盒，使用私钥对算法进行加密，加密后算法和数据请求信息放进沙盒并发送到云中心；云中心将数据请求信息发送到符合第一请求的数据拥有端；数据拥有端查询数据请求信息，将查询结果对应的数据集用私钥加密后发送到云中心；云中心对沙盒中的算法和数据集进行解密，对数据集执行算法，获得图像识别结果集，进行加密，发送给数据拥有端和数据使用端。上述方法和系统提供可靠算法运行方法，确保医疗影像数据不会从数据源泄露到外部。
-
公开(公告)号：CN111062051A
公开(公告)日：2020-04-24
申请号：CN201911199645.1
申请日：2019-11-29
Applicant: 清华大学
IPC: G06F21/62
Abstract: 本发明提供一种医疗数据系统的权限管理方法，包括：采取默克尔有向无环图存储医疗数据的权限为记录，记录包括内容、内容哈希值、前左记录哈希值、前右记录哈希值和记录哈希值，内容包括首记录哈希值、受权人、授权记录哈希值、权限、授权日期和有效期，将医疗数据在医疗数据系统生成时的权限对应的记录作为首记录，首记录哈希值是首记录的记录哈希值，授权记录哈希值是授权人获得授权权利的记录的记录哈希值，记录哈希值是本记录的内容哈希值、前左记录哈希值和前右记录哈希值三者拼接后，通过哈希运算生成的哈希值。上述方法能够快速检验权限历史篡改情况。
-
Patent Agency Ranking
公开(公告)号：CN108220432A
公开(公告)日：2018-06-29
申请号：CN201611201329.X
申请日：2016-12-22
Applicant: 清华大学
IPC: C12Q1/6886 , C12Q1/06 , C12R1/01
CPC classification number: C12Q1/689 , C12Q1/6851 , C12Q2521/107
Abstract: 本发明提供了检测一种无损的生物标志物的丰度的试剂在制备用于胃炎癌转化风险测定的组合物中的应用，其中该生物标志物是患者舌苔中的简明弯曲杆菌。还提供了一种用于测定胃炎癌转化风险的检测试剂盒和一种胃炎癌转化风险测定系统。该胃炎癌转化风险测定系统用来测定一种与胃炎癌转化相关的生物标志物的丰度，包括：所述试剂盒，用于确定舌苔简明弯曲杆菌的定量检测结果；舌苔简明弯曲杆菌丰度确定部分，用于根据该定量检测结果，确定舌苔中简明弯曲杆菌的丰度。
-
公开(公告)号：CN117892805B
公开(公告)日：2024-05-28
申请号：CN202410306872.4
申请日：2024-03-18
Applicant: 清华大学
Abstract: 本发明涉及机器学习技术领域，特别涉及一种基于超网络和层级别协作图聚合的个性化联邦学习方法，其中，方法包括：接收多个客户端的目标模型参数更新量和更新后的多个客户端目标模型参数，并对超网络中的目标超网络参数进行自适应更新，分层计算多个客户端的目标模型参数更新量得到初始相似性矩阵，并利用目标超网络参数显式建模多个客户端的协作关系，进而生成层级别协作图，将更新后的多个客户端的目标模型参数分层，并按对应层级别协作图边权重进行加权聚合，得到每个客户端的最优个性化模型。由此，有效缓解了基于个性化参数聚合的联邦学习方法在选择客户端进行协作时不够灵活的问题。
-
公开(公告)号：CN115067962A
公开(公告)日：2022-09-20
申请号：CN202210467494.9
申请日：2022-04-29
Applicant: 清华大学
IPC: A61B5/346
Abstract: 本发明提供一种心电信号的分类方法及装置。该方法包括：将心电信号波形输入分类网络模型，得到分类结果，所述分类网络模型包括：深度特征提取网络、波形特征提取模块、全连接层和分类模块，所述深度特征提取网络用于对所述心电信号波形进行带通滤波后提取深度特征，所述波形特征提取模块用于提取所述心电信号波形的统计特征，所述深度特征和所述分类统计特征拼接后输入所述全连接层；根据所述统计特征和所述分类结果生成分类报告；输出所述分类报告。该方法使用心电信号波形的深度特征和统计特征进行分类，提高了分类结果的准确性，同时，通过增加统计特征，使提取的特征信号更具有可解释性，从而提高了分类网络模型的分类结果的可解释性。
-
公开(公告)号：CN114972849A
公开(公告)日：2022-08-30
申请号：CN202210505393.6
申请日：2022-05-10
Applicant: 清华大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06T7/00 , G06V10/40 , G06N3/04 , G06N3/08
Abstract: 本公开提供的一种胶质瘤的类型识别方法、模型训练方法、装置、设备，涉及图像处理技术，包括：获取胶质瘤的组织病理图像；将组织病理图像输入预设识别模型，提取胶质瘤中各目标图块的各特征向量，基于第一通道对各特征向量进行处理，得到与每种类型对应的第一分类信息以及目标向量，基于第二通道对目标向量进行处理，得到与每种类型对应的第二分类信息；对第一分类信息和第二分类信息进行处理，得到目标分类结果。本方案中，可以通过第一通道得到每种类型对应的第一分类信息以及目标向量；通过第二通道对目标向量进行处理，得到每种类型对应的第二分类信息；根据第一、第二分类信息，得到分类结果。可在一定程度上提高分型的准确率。
-
公开(公告)号：CN114913923A
公开(公告)日：2022-08-16
申请号：CN202210496320.5
申请日：2022-05-09
Applicant: 清华大学
Abstract: 本发明提供一种针对单细胞染色质开放性测序数据的细胞类型识别方法、系统、电子设备及存储介质，属于细胞检测技术领域，通过获得有效表征训练集特征的贝叶斯神经网络模型，实现对单细胞染色质开放性数据进行高精度的细胞类型识别。本发明的包含混合高斯模型的叶贝斯神经网络，作为一种概率生成模型，能够生成与真实数据高度吻合、无批次效应的仿真单细胞染色质开放性数据，适用于单细胞染色质开放性测序数据的细胞类型检测的数据仿真场景中。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.023 seconds)
