-
公开(公告)号：CN118098346A
公开(公告)日：2024-05-28
申请号：CN202410294363.4
申请日：2024-03-14
Applicant: 西安电子科技大学杭州研究院
IPC: G16B20/10 , G16B30/00 , G16B40/00 , G06F18/2431
Abstract: 本发明属于高通量测序技术领域，尤其涉及一种基于相对质量孤立森林的拷贝数变异检测方法及系统，包括测序数据预处理及RD信号获取、建立基于环形二元分割变化点检测的分段重组方法进行降噪处理、构建局部均值法处理局部噪声、构建基于相对质量得分的孤立森林算法并获取异常分数、对异常分数建立高斯分布，通过显著性水平确定拷贝数变异并指定变异类型和算法的性能评估，算法的性能评估采用判断算法在召回率、精确率及F1‑score等指标下的拷贝数变异检测能力。本发明解决了在低测序覆盖度、低肿瘤纯度场景下受测序噪声及拷贝数变异自身分布的不均衡性导致的拷贝数变异检测性能不高的问题。
-
公开(公告)号：CN118071742A
公开(公告)日：2024-05-24
申请号：CN202410471685.1
申请日：2024-04-19
Applicant: 山东工商学院 , 西安电子科技大学杭州研究院 , 浙江杜比医疗科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医学图像分析技术领域，具体涉及一种基于标签引导扩散模型的特征级虚拟多模态融合方法，步骤包括：训练阶段，构建多尺度通道特征编码网络，基于已有样本的成对模态获得完备模态特征；基于已有的完备模态特征，获取标签特征，训练标签引导扩散模型实现跨模态关系的捕获；补全模态缺失样本的虚拟模态特征；训练分类模型实现多模态特征融合识别；识别阶段：对待识别的模态缺失样本进行识别，通过训练后的标签引导扩散模型合成虚拟特征进行补全；将补全后的完备模态特征输入至训练后的分类模型得出识别结果。本发明避免了先前模态合成过程中引入的噪声，并减小了合成结果到符号空间的语义鸿沟，可以广泛应用于医学图像分析等领域。
-
公开(公告)号：CN116935960A
公开(公告)日：2023-10-24
申请号：CN202310805614.6
申请日：2023-07-03
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
Abstract: 本发明属于基因组序列测定的高通量测序技术领域，公开了一种基于TOS特征集成学习的拷贝数变异检测方法及系统，包括拷贝数变异五大特征提取、TOS特征构建及选择、集成学习算法分类、拷贝数变异边界精确识别和算法的性能评估，算法的性能评估采用判断算法在召回率、精确度及F1‑score等指标下的拷贝数变异检测能力。本发明首先选取反映拷贝数变异测序特点的五大基础特征及TOS特征，并利用假设检验方法对特征选择，提取可代表拷贝数变异分布的非同构特征并采用集成学习对是否拷贝数变异区域分类。此外，本发明利用滑动小窗口精确检测拷贝数变异边界，令检测结果更准确。
-
Patent Agency Ranking
公开(公告)号：CN119889644A
公开(公告)日：2025-04-25
申请号：CN202411881446.X
申请日：2024-12-19
Applicant: 西安电子科技大学杭州研究院
IPC: G16H50/20 , G16H30/00 , G16H80/00 , G06F16/9032 , G06N5/04
Abstract: 本申请涉及大模型技术领域，公开了一种医疗影像问答方法及计算机设备，首先获取目标多模态医疗数据，将目标多模态医疗数据输入至医疗多模态大模型中；然后通过特征提取模块对目标多模态医疗数据进行特征提取，得到图文融合特征数据，通过实体识别模块进行实体识别，得到目标医疗实体数据，通过关系抽取模块进行实体关系抽取，得到目标医疗关系数据，并利用提取到的目标医疗实体数据和目标医疗关系数据构建多模态知识图谱；最后，在接收到多模态医疗问题数据的情况下，利用模型推理模块和多模态知识图谱生成影像分析报告数据。通过以医疗多模态大模型与多模态知识图谱结合的方式，实现了高度自动化的医疗影像问答，从而提升了医疗影像问答效率。
-
公开(公告)号：CN118071742B
公开(公告)日：2024-07-09
申请号：CN202410471685.1
申请日：2024-04-19
Applicant: 山东工商学院 , 西安电子科技大学杭州研究院 , 浙江杜比医疗科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医学图像分析技术领域，具体涉及一种基于标签引导扩散模型的特征级虚拟多模态融合方法，步骤包括：训练阶段，构建多尺度通道特征编码网络，基于已有样本的成对模态获得完备模态特征；基于已有的完备模态特征，获取标签特征，训练标签引导扩散模型实现跨模态关系的捕获；补全模态缺失样本的虚拟模态特征；训练分类模型实现多模态特征融合识别；识别阶段：对待识别的模态缺失样本进行识别，通过训练后的标签引导扩散模型合成虚拟特征进行补全；将补全后的完备模态特征输入至训练后的分类模型得出识别结果。本发明避免了先前模态合成过程中引入的噪声，并减小了合成结果到符号空间的语义鸿沟，可以广泛应用于医学图像分析等领域。
-
公开(公告)号：CN118427579B
公开(公告)日：2024-09-06
申请号：CN202410895302.3
申请日：2024-07-05
Applicant: 山东工商学院 , 浙江杜比医疗科技有限公司 , 西安电子科技大学杭州研究院
IPC: G06F18/21 , G06F18/213 , G06F18/25 , G06F18/10 , G16H50/20 , G06N3/044 , G06N3/042 , G06N3/08 , G06F18/24
Abstract: 本发明属于语义分析技术领域，具体涉及一种面向多模态神经信号的上下文语义协同建模方法，步骤包括对多模态神经信号进行预处理，计算不同模态的神经信号的脑区特征值，获取处理后的多模态神经信号脑区特征值；对于获取的每个独立被试处理后的多模态神经信号脑区特征值，构建脑区级上下文语义注意力模型，衡量不同模态的神经信号及不同脑区在全脑工作中的语义表达信息；建立基于GCN改进的注意力机制模型，并在其中加入多头注意力模型，进行全脑语义提取。本发明可以在小样本条件下构建对多模态神经信号进行准确表达的模型，具有较强的识别能力和泛化效果，能够更好的应用于精神疾病的辅助诊断。
-
公开(公告)号：CN117521817A
公开(公告)日：2024-02-06
申请号：CN202311458902.5
申请日：2023-11-03
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: G06N7/02 , G06Q10/04 , G06F18/2337
Abstract: 本发明提供的基于梯度增强模糊规则模型的数据预测方法包括：获取特定区域的待预测设备的电力参数信息；将电力参数信息输入预训练的梯度增强模糊规则模型，得到特定区域待预测设备的电力能源消耗数据；预训练的梯度增强模糊规则模型是通过多个弱学习器累加得到的，多个弱学习器的训练集合电力数据集是由预训练电力数据集和前一个弱学习器的输出得到的；将多个弱学习器的预测结果进行累加，得到待预测设备的电力能源消耗数据。通过将多个弱学习器进行叠加，并利用之前弱学习器的输出不断修正训练集合电力数据集以得到预训练的梯度增强模糊规则模型，使得经预训练的梯度增强模糊规则模型预测的数据可以尽可能逼近实际值，提高了数据预测的准确度。
-
公开(公告)号：CN118427579A
公开(公告)日：2024-08-02
申请号：CN202410895302.3
申请日：2024-07-05
Applicant: 山东工商学院 , 浙江杜比医疗科技有限公司 , 西安电子科技大学杭州研究院
IPC: G06F18/21 , G06F18/213 , G06F18/25 , G06F18/10 , G16H50/20 , G06N3/044 , G06N3/042 , G06N3/08 , G06F18/24
Abstract: 本发明属于语义分析技术领域，具体涉及一种面向多模态神经信号的上下文语义协同建模方法，步骤包括对多模态神经信号进行预处理，计算不同模态的神经信号的脑区特征值，获取处理后的多模态神经信号脑区特征值；对于获取的每个独立被试处理后的多模态神经信号脑区特征值，构建脑区级上下文语义注意力模型，衡量不同模态的神经信号及不同脑区在全脑工作中的语义表达信息；建立基于GCN改进的注意力机制模型，并在其中加入多头注意力模型，进行全脑语义提取。本发明可以在小样本条件下构建对多模态神经信号进行准确表达的模型，具有较强的识别能力和泛化效果，能够更好的应用于精神疾病的辅助诊断。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
