公开(公告)号：CN117577181A

公开(公告)日：2024-02-20

申请号：CN202311666705.2

申请日：2023-12-06

Applicant: 郑州大学

Inventor： 鲁帅 ,  李育光 ,  南晓斐 ,  田侦 ,  商建东

IPC: G16B20/30 ,  G16B40/00 ,  G16B50/10 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多层图卷积的蛋白质相互作用位点预测方法，包括(1)获取蛋白质相互作用数据，对进行相互作用的氨基酸位点进行标注；(2)获取构成氨基酸的原子信息，以原子为图的点，原子之间的化学键为图的边，利用图卷积神经网络进行原子层的信息提取，(3)获取构成蛋白质的氨基酸信息，将氨基酸自身信息与原子层传递的信息结合构成图的点，如残基之间的距离小于#imgabs0#则残基之间存在边，利用图卷积神经网络进行氨基酸层的信息提取，(4)将蛋白质特征矩阵通过全连接层得到蛋白质中每个氨基酸位点相互作用的概率；(5)重复上述步骤，不断矫正神经网络；(6)将未标注的蛋白质信息数据输入神经网络中得到预测的相互作用位点。

公开(公告)号：CN120032908A

公开(公告)日：2025-05-23

申请号：CN202510122254.9

申请日：2025-01-26

Applicant: 郑州大学 ,  河南省人民医院

Inventor： 商建东 ,  牛贺奔 ,  裴旭星 ,  范萌哲 ,  吴刚 ,  郭恒亮 ,  毕跃峰 ,  高亢 ,  王海涛

IPC: G16H50/70 ,  G16H50/30 ,  G06F16/353 ,  G06F40/30 ,  G06F40/279 ,  G06F40/216 ,  G06N3/042 ,  G06N3/045 ,  G06N3/09

Abstract: 针对中文麻醉数据集不平衡的解决方法及装置，构建一个专门的麻醉数据集，结合创新的FDCL损失函数，提升BertGCN模型在ASA分级和麻醉风险预测中的表现，从而为临床医学中的麻醉风险评估提供更加精准、有效的技术支持。方法包括：(1)构建麻醉数据集；(2)使用预训练的Bert对节点嵌入初始化，联合Bert和GCN模型，利用两个模型的优势来训练BerGCN；使用BerGCN进行麻醉数据集的文本特征提取，用训练好的模型进行麻醉风险预测；(3)对于构建的麻醉数据集，FDCL将监督对比学习和焦点损失函数进行结合，利用监督对比学习来增强区分能力，利用焦点损失函数来聚焦少类别增强模型对这些类别的分类能力。

公开(公告)号：CN119418757A

公开(公告)日：2025-02-11

申请号：CN202411373501.4

申请日：2024-09-29

Applicant: 郑州大学

Inventor： 郭恒亮 ,  张丛祥 ,  吴刚 ,  张杜鹃 ,  郭阳 ,  商建东 ,  毕跃峰

IPC: G16B15/30 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045

Abstract: 基于图神经网络拓扑增强的药物与靶标亲和力的预测方法，能够更好地描述蛋白质的物理化学性质，特别是口袋区域的结构和动力学，能够更好地捕捉DTA预测中的关键模式和特征，从而提高预测的准确性。包括以下步骤：(1)将药物和靶标表示为图的结构，使用蛋白质的氨基酸序列和接触图来构建蛋白质图，药物的分子图基于简化分子线性输入规范字符串；(2)提取药物和靶标的表示，将蛋白质口袋信息整合为拓扑结构，并创建虚拟节点将其纳入残基图中，在获得增强的残基图和分子图之后，使用不同的图神经网络模块来提取表示；(3)将这些表示连接起来并输入到多层感知机中，以预测亲和力。

公开(公告)号：CN119068230A

公开(公告)日：2024-12-03

申请号：CN202410960546.5

申请日：2024-07-17

Applicant: 郑州大学 ,  中国石油化工股份有限公司中原油田分公司物探研究院

Inventor： 郭恒亮 ,  周文阁 ,  吴刚 ,  李庆洋 ,  张杜娟 ,  万涛 ,  国运东 ,  郭阳 ,  刘向东 ,  商建东

IPC: G06V10/764 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464

Abstract: 基于CBAM注意力机制的地震相识别方法及装置，对六种地震相的识别准确，保持地震相边缘信息使得分割画面细致完整，为地震相的智能检测提供有力支持。方法包括：(1)数据处理；(2)构建CBAM‑U‑Net模型；(3)构建CBAM注意力模块；(4)采用Dice Loss作为损失函数，在训练图像分割模型时，将Dice Loss作为优化目标，最小化Dice Loss。

公开(公告)号：CN115564989A

公开(公告)日：2023-01-03

申请号：CN202211150667.0

申请日：2022-09-21

Applicant: 郑州大学

Inventor： 魏洁茹 ,  韩林 ,  商建东 ,  聂凯 ,  李晓 ,  赵香菊 ,  王芷晓 ,  赵蓓 ,  李新钊

IPC: G06V10/764 ,  G06V10/774 ,  G06V20/13 ,  G06N5/00 ,  G06N20/00

Abstract: 本发明涉及土地利用分类技术领域，公开了面向土地利用分类的随机森林算法，本发明通过设置制作训练集、组成测试样本集、对训练集进行K折划分、根据影像数据和研究区域特性，确定决策树数量k和特征属性数n的范围，建立网格、抽取样本、将多次计算所有树在剩余1份训练样本时的预测效果、导入测试数据集，使用精度评价模型计算最优参数组合的精度等步骤的设置，使得该算法实现了自适应参数调优的随机森林算法，达到了提高土地利用分类精度的目的。并且该算法具有较好的准确率和运算效率，随机森林算法为了降低过拟合的风险性，使用平均决策树方法。同时随机森林具有良好的稳定性，不会受到个别决策树结果的影响。