公开(公告)号：CN112070761A

公开(公告)日：2020-12-11

申请号：CN202010983635.3

申请日：2020-09-18

Applicant: 福州大学

Inventor： 翁祖铨 ,  张越涵 ,  罗衡

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的明虾新鲜度无损检测方法。通过采集大量明虾样本的外观及其对应的新鲜度指标，制作明虾新鲜度深度学习模型数据集，再通过该数据集训练出一个具有明虾新鲜度识别能力的深度学习模型。通过该模型可以预测明虾的新鲜与否以及相应指标的具体数值。

公开(公告)号：CN111370073A

公开(公告)日：2020-07-03

申请号：CN202010122995.4

申请日：2020-02-27

Applicant: 福州大学

Inventor： 翁祖铨 ,  钟意 ,  罗衡

IPC: G16C20/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的药物互作规则预测方法。使用大量具有药物互作规则的药物对标签训练基于图卷积以及全连的深度学习网络。网络首先训练三层权重共享的图卷积(GCNN)以及注意力池化来提取到输入药物对的高纬度特征，然后通过三层全连接(FN)神经网络进行进一步特征提取，最后通过一个多分类函数进行药物互作规则的预测。将训练好的网络应用到当前需要预测的药物对，在决策层即可获得输入药物对的互作结果。本发明中的网络可以有效地识别115种药物相互作用规则，不仅可以在药物发现过程中对候选分子可能药物互作的预测，而且同时可以指导合理地用药，促进用药安全。

公开(公告)号：CN111370073B

公开(公告)日：2023-04-07

申请号：CN202010122995.4

申请日：2020-02-27

Applicant: 福州大学

Inventor： 翁祖铨 ,  钟意 ,  罗衡

IPC: G16C20/30 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0475 ,  G06N3/042 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及一种基于深度学习的药物互作规则预测方法。使用大量具有药物互作规则的药物对标签训练基于图卷积以及全连的深度学习网络。网络首先训练三层权重共享的图卷积(GCNN)以及注意力池化来提取到输入药物对的高纬度特征，然后通过三层全连接(FN)神经网络进行进一步特征提取，最后通过一个多分类函数进行药物互作规则的预测。将训练好的网络应用到当前需要预测的药物对，在决策层即可获得输入药物对的互作结果。本发明中的网络可以有效地识别115种药物相互作用规则，不仅可以在药物发现过程中对候选分子可能药物互作的预测，而且同时可以指导合理地用药，促进用药安全。

公开(公告)号：CN112070761B

公开(公告)日：2022-09-16

申请号：CN202010983635.3

申请日：2020-09-18

Applicant: 福州大学

Inventor： 翁祖铨 ,  张越涵 ,  罗衡

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的明虾新鲜度无损检测方法。通过采集大量明虾样本的外观及其对应的新鲜度指标，制作明虾新鲜度深度学习模型数据集，再通过该数据集训练出一个具有明虾新鲜度识别能力的深度学习模型。通过该模型可以预测明虾的新鲜与否以及相应指标的具体数值。