公开(公告)号：CN115019957B

公开(公告)日：2024-05-28

申请号：CN202210632448.X

申请日：2022-06-06

Applicant: 重庆邮电大学

Inventor： 朱智勤 ,  雷杨博 ,  丛柏森 ,  李晓磊 ,  李嫄源 ,  姚政 ,  周志浩

IPC: G16H50/20 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/0985 ,  G06N7/01 ,  G06F18/25 ,  A61B5/03

Abstract: 本发明涉及一种基于强化学习的稠密迭代特征腹腔内压预测系统，属于机器学习领域，包括：数据采集及处理模块：用于获取患者基本数据和临床数据，并进行预处理，制作成样本和数据集；数据输入模块：用于将预处理后的样本送入稠密迭代增强模型，经过若干特征提取单元迭代增强，获得经过增强的特征；预测模块：用于将增强特征进行GAP和flatten后，送入全连接层，获取预测结果；模型训练模块：根据真实值和预测结果计算损失，使用动态调整学习率机制，使用weight decay和momentum机制，更新模型参数，使用完全的端到端方式训练网络。

公开(公告)号：CN115019957A

公开(公告)日：2022-09-06

申请号：CN202210632448.X

申请日：2022-06-06

Applicant: 重庆邮电大学

Inventor： 朱智勤 ,  雷杨博 ,  丛柏森 ,  李晓磊 ,  李嫄源 ,  姚政 ,  周志浩

IPC: G16H50/20 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06K9/62 ,  A61B5/03

Abstract: 本发明涉及一种基于强化学习的稠密迭代特征腹腔内压预测系统，属于机器学习领域，包括：数据采集及处理模块：用于获取患者基本数据和临床数据，并进行预处理，制作成样本和数据集；数据输入模块：用于将预处理后的样本送入稠密迭代增强模型，经过若干特征提取单元迭代增强，获得经过增强的特征；预测模块：用于将增强特征进行GAP和flatten后，送入全连接层，获取预测结果；模型训练模块：根据真实值和预测结果计算损失，使用动态调整学习率机制，使用weight decay和momentum机制，更新模型参数，使用完全的端到端方式训练网络。

公开(公告)号：CN118298908A

公开(公告)日：2024-07-05

申请号：CN202410408403.3

申请日：2024-04-07

Applicant: 重庆邮电大学

Inventor： 李嫄源 ,  方梓滈 ,  朱智勤 ,  周志浩 ,  黄鑫 ,  文斌 ,  丛柏森 ,  郑重 ,  陈诗尧 ,  安翼尧

IPC: G16B15/30 ,  G16B50/30 ,  G16B35/00 ,  G06N3/082 ,  G06N3/0464

Abstract: 本发明涉及一种基于药物双模态特征的药物靶标结合亲和力预测方法，属于药物靶标亲和度预测领域。首先通过构建一个三通道深度学习网络，分别处理生物标靶的序列、药物分子的序列及其化学结构图。标靶序列经预处理后被嵌入为高维特征向量，并利用XLNet‑DSC提取深层次的生物信息。同时，药物分子的SMILES序列被转化为化学结构图，并通过图神经网络技术如图注意力网络和消息传递神经网络提取关键的化学特征。药物分子序列经过特定编码和神经网络处理，以获得进一步的特征表示。通过将这些多维度特征进行融合，并应用多头注意力机制进行细致的特征整合，该方法能够精确地预测药物与标靶之间的结合亲和力。

公开(公告)号：CN114664376B

公开(公告)日：2025-04-18

申请号：CN202210337726.9

申请日：2022-03-31

Applicant: 重庆邮电大学

Inventor： 朱智勤 ,  姚政 ,  丛柏森 ,  杨攀 ,  李晓磊 ,  李嫄源

IPC: G16B20/30 ,  G16B30/00 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于序列统计表征学习的miRNA‑mRNA靶标预测方法，属于生物信息学领域。采用神经网络和注意力机制结合的方式对miRNA和mRNA序列的结构特征进行多尺度，多粒度的特征提取，使得到特征即既含序列各个碱基字符和靶标区域序列的局部、全局的多尺度特征，又包含细粒度、粗粒度的多粒度语义信息特征联系。并使用变分自动编码器结构作整体框架，利用输入数据的概率分布保证预测的精确度，并增加了模型的可解释性。本发明采用基于序列统计表征学习的miRNA‑mRNA靶标预测方法能够有效地完成miRNA‑mRNA的靶标预测。

公开(公告)号：CN114664376A

公开(公告)日：2022-06-24

申请号：CN202210337726.9

申请日：2022-03-31

Applicant: 重庆邮电大学

Inventor： 朱智勤 ,  姚政 ,  丛柏森 ,  杨攀 ,  李晓磊 ,  李嫄源

IPC: G16B20/30 ,  G16B30/00 ,  G16B40/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于序列统计表征学习的miRNA‑mRNA靶标预测方法，属于生物信息学领域。采用神经网络和注意力机制结合的方式对miRNA和mRNA序列的结构特征进行多尺度，多粒度的特征提取，使得到特征即既含序列各个碱基字符和靶标区域序列的局部、全局的多尺度特征，又包含细粒度、粗粒度的多粒度语义信息特征联系。并使用变分自动编码器结构作整体框架，利用输入数据的概率分布保证预测的精确度，并增加了模型的可解释性。本发明采用基于序列统计表征学习的miRNA‑mRNA靶标预测方法能够有效地完成miRNA‑mRNA的靶标预测。