-
公开(公告)号：CN119904411A
公开(公告)日：2025-04-29
申请号：CN202411773074.9
申请日：2024-12-04
Applicant: 湖南大学
Abstract: 本发明公开了一种面向模态缺失的多模态癌症生物标志物预测方法，S1、获取患者的病理图像和MRI图像；S2、对所述病理图像进行剪裁，提取所述MRI图像中的3D肿瘤块并进行数据增强处理；S3、对所述病理图像进行特征提取，对所述MRI图像影像中的3D肿瘤块进行特征提取，得到多模态特征；S4、对所述多模态特征进行特征增强和特征重构；S5、将增强的多模态特征经过图融合网络进行融合，并输入至预设的生物标志物预测模型中进行预后评估。本发明实现了缺失模态特征的重构，提高了生物标志物预测的准确度。
-
公开(公告)号：CN119418777A
公开(公告)日：2025-02-11
申请号：CN202411480782.3
申请日：2024-10-23
Applicant: 湖南大学
IPC: G16B40/00 , G16B40/30 , G16B30/00 , G16B50/10 , G16B50/30 , G06F18/2321 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了生物信息学技术领域的基于多模态蛋白质语言模型的DNA绑定残基预测方法。该基于多模态蛋白质语言模型的DNA绑定残基预测方法包括以下步骤：将待进行DNA绑定残基预测的蛋白质序列P，依次使用工具分别获取特征文件；将所有特征文件输入ESM3中得到一个嵌入矩阵M；将蛋白质序列处理成残基样本，根据蛋白质结构图搭建等变图神经网络模型，利用已知DNA绑定残基的蛋白质序列构建数据集并训练所搭建的网络；将蛋白质序列的残基样本输入到训练的模型中，得到蛋白质序列的DNA绑定残基。该基于多模态蛋白质语言模型的DNA绑定残基预测方法提高了DNA绑定残基预测的效率与精确性。
-
公开(公告)号：CN117831759A
公开(公告)日：2024-04-05
申请号：CN202311228066.1
申请日：2023-09-22
Applicant: 湖南大学
IPC: G16H50/30 , G16H50/20 , G06F18/214 , G06F18/213 , G06F18/2136 , G06F18/211 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种基于注意力机制的急性冠状动脉综合征预测方法，包括：S1、根据读取的空气污染数据利用时间序列领域自适应方法构建多因素稀疏关联结构，提取时间序列域不变特征表示；S2、根据读取的急性冠状动脉综合征病例数据，利用时间注意力机制和多层感知器协同的标签映射方法生成急性冠状动脉综合征病例数据的共享标签表示；S3、将提取的时间序列域不变特征表示和生成的急性冠状动脉综合征病例数据的共享标签表示回归得到预测标签值。本发明解决现有技术无法协调具有可比特征向量但鲜明对比标签值的不同数据源的问题、现有技术在不同源的数据序列不对齐时出现的时域错位问题以及现有技术无法对多因素时间序列数据提取域不变表示的问题。
-
公开(公告)号：CN117789980A
公开(公告)日：2024-03-29
申请号：CN202311809540.X
申请日：2023-12-26
Applicant: 湖南大学
IPC: G16H50/30 , G16H70/60 , G16H50/70 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0455
Abstract: 基于人工智能的癌症患者生存预测方法及装置，该方法构建多模态的异构图形，并借助元路径的思想对特征进行边缘重构，以充分考虑到图边缘的特征信息和节点的有效嵌入。为了防止模态内的特征缺失造成的预测精度的影响，引入稀疏的特性来设计了一个卷积掩码自编码器(CMAE)来鲁棒的提取特征边缘重构后的异构图特征。其次，特征交叉通信模型建立多模态之间的通信，让输出的特征既包含该模态的所有特征，也包含其他模态的相关信息。对TCGA六个癌症队列的广泛实验和分析表明，本发明在模态缺失和模态内信息确实的情况下都明显优于最先进的方法，能够在模态数据缺失和缺失部分模态的情况下，都能够对癌症患者进行准确的生存预测。
-
公开(公告)号：CN114938310B
公开(公告)日：2023-02-10
申请号：CN202210746181.7
申请日：2022-06-28
Applicant: 湖南大学
Abstract: 本发明属于多方安全计算技术领域，公开了一种基于隐私保护的药物相似性计算方法。首先在输入阶段对各大制药公司将其隐私数据利用RSA非对称加密算法进行加密，利用零知识证明对所有制药公司的密文数据进行验证，并使用HoneyBadger共识算法让各制药公司达成共识进入计算阶段；然后，在计算阶段利用同态加密对密文进行药物相似性计算；然后，将密文中间结果进行广播和验证，并使用共识算法让各制药公司达成共识，同时满足验证成功和达成共识这两个条件的参与方将密文中间结果进行求和，通过以上计算得出最终的密文药物相似性计算结果；最后，在输出阶段利用HoneyBadger共识算法使各参与方之间在最终密文结果上达成共识，利用阈值解密算法对密文进行解密得到明文药物相似性结果。
-
Patent Agency Ranking
公开(公告)号：CN112308326B
公开(公告)日：2022-12-13
申请号：CN202011226195.3
申请日：2020-11-05
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于元路径和双向编码器的生物网络链接预测方法。首选构建了多源异构的药物信息网络，同时设计多种语义路径进行序列采样，构成大规模的语义信息库；其次，将深度Transformer编码器与掩码语言模型(masked language model)有机融合设计出深度双向的编码表征模型有效地提取每个节点的低纬表征向量；最后，利用归纳矩阵补全(Inductive matrix completion)技术进行疾病‑蛋白关联关系、蛋白‑药物相互作用、药物‑副作用关联关系等生物链接预测，进而完成从疾病—靶标—药物—副作用的药物研发技术体系。
-
公开(公告)号：CN115458043A
公开(公告)日：2022-12-09
申请号：CN202211080663.X
申请日：2022-09-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于安全多方计算的药物与药物相互作用预测方法，包括：S1、获取药物与药物相互作用网络、药物与蛋白质相互作用网络、药物与疾病关联网络、药物与副作用关联网络；S2、根据不同的药物特征计算Jaccard相似度以获得所有药物之间的相似特征，并利用主成分分析技术对所有的药物相似性特征进行降维；S3、将每个用户的私有特征数据分成四部分，并通过秘密共享技术进行加密，并利用附加秘密共享机制发送到四个服务器；S4、将四个部分特征数据输入到预设的私密深度学习模型中进行药物与药物相互作用预测。本发明在不泄露药物隐私信息的前提下，实现各制药公司以及研究机构之间的高质量协作，进而提高药物与药物相互作用预测。
-
公开(公告)号：CN115440297A
公开(公告)日：2022-12-06
申请号：CN202211080659.3
申请日：2022-09-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于图属性神经网络的药物与靶标预测方法，包括：S1、构建多源异构生物网络并对药物、蛋白质以及疾病进行唯一标识；S2、基于人类蛋白与蛋白相互作用网络的疾病模块理论计算任意两个疾病之间相似性；S3、将每个生物实体对和对应的相似性值作为图注意力神经网络表征学习阶段的训练样本；S4、训练样本通过驱动图注意力神经网络学习得到每个实体的表征向量；S5、利用训练好的药物与靶标预测模型进行预测药物与靶标相互作用。本发明降低了药物与靶标相互作用预测的深度学习模型对训练样本的依赖性，提高了预测的性能。
-
公开(公告)号：CN110211628B
公开(公告)日：2022-06-07
申请号：CN201910506027.0
申请日：2019-06-12
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了一种基于高通量测序数据的溶源性噬菌体预测方法，通过将原始测序数据和拼接后的细菌基因组数据相结合，先设计了质控过滤流水线对原始测序数据进行质控和过滤，再在拼接后的细菌基因组基因片段上根据类噬菌体基因聚类簇预测出粗略前噬菌体范围，接着在粗略范围上根据整合位点搜索出精确前噬菌体候选对象，最后从原始测序数据中挖掘环化信息，验证前噬菌体功能性并基于一致性延伸算法提取出对应的溶原性噬菌体全序。本发明实现了对细菌基因组中的溶源性噬菌体的有效预测，具有十分重要的推广应用价值。
-
公开(公告)号：CN110136113B
公开(公告)日：2022-06-07
申请号：CN201910399732.5
申请日：2019-05-14
Applicant: 湖南大学
Abstract: 本发明属于计算机视觉及机器学习技术领域，公开了一种基于卷积神经网络的阴道病理图像分类方法。本发明包括步骤：使用上采样方法，得到类别平衡的阴道病理图像数据集；利用数据增强方法扩增阴道病理图像数据集；利用扩增的阴道病理图像数据集对图像分类卷积神经网络进行训练；利用交叉熵损失函数，结合BP算法对图像分类卷积神经网络进行网络参数更新；通过训练后的最优图像分类卷积神经网络对输入图像进行分类。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经验知识，耗费大量的时间和精力完成，提取出有区分性的高质量特征也往往存在一定的困难，而且准确率低，本发明借助于卷积神经网络，实现阴道病理图像的高精度分类。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.023 seconds)
