-
公开(公告)号：CN119397492A
公开(公告)日：2025-02-07
申请号：CN202411444366.8
申请日：2024-10-16
Applicant: 重庆邮电大学
IPC: G06F18/27 , G06F18/213 , G06F18/2415 , G06F18/214 , G16H20/10
Abstract: 本发明属于生物医药与数据处理技术领域，具体涉及一种基于多模态的肝移植用药剂量预测方法，包括采集肝移植受者的临床数据并处理得到样本集，划分为训练集和测试集；构建多模态线性回归模型；将训练集中样本通过特征提取模块得到原始特征序列；将原始特征序列输入特征降维模块得到降维特征序列；将降维特征序列输入注意力机制模块得到增强特征序列；增强特征序列经过多模态融合模块得到融合特征序列；将融合特征序列输入预测模块得到预测结果，训练优化模型参数；获取待处理临床数据输入训练好的多模态线性回归模型，得到药剂用量预测结果；本发明能够准确预测他克莫司个体化剂量。
-
公开(公告)号：CN118298857A
公开(公告)日：2024-07-05
申请号：CN202410403378.X
申请日：2024-04-03
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于语音信号及对比学习的抑郁检测方法，属于语音处理及模式识别领域。该方法包括：收集抑郁语音目标数据集和常规语音背景数据集，并对音频文件进行预处理；分别对抑郁语音目标数据集和常规语音背景数据集提取多模态语音特征，至少包括声谱图特征和梅尔频率倒谱系数特征；将抑郁语音目标数据集和常规语音背景数据集提取得到的多模态语音特征输入对比变分自编码器以训练优化对比变分自编码器；将抑郁语音目标数据集提取的多模态语音特征输入优化后的对比变分自编码器进行分解，得到背景干扰变量和抑郁程度变量，抑郁程度变量经过解码得到去背景抑郁重构特征；将去背景抑郁重构特征通过深度学习分类检测网络获得抑郁评估结果。
-
公开(公告)号：CN118298856A
公开(公告)日：2024-07-05
申请号：CN202410403377.5
申请日：2024-04-03
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于迁移学习和跨场景知识的语音信号抑郁检测方法，属于语音处理及模式识别领域。该方法包括：收集跨场景语音数据集并从中提取语音生物标志物，并通过生物标志物对骨干网络进行分类训练，得到预训练的骨干网络；获取抑郁语音数据集并进行预处理；提取抑郁语音数据集的多模态语特征，至少包括声谱图和梅尔频率倒谱图；将抑郁语音数据集的声谱图和梅尔频率倒谱图进行特征级融合，并将得到的特征级融合特征输入预训练的骨干网络中进行迁移学习，得到语音复杂高维特征；通过统计函数获得统计特征向量，并对语音复杂高维特征与统计特征向量进行决策级融合；将决策级融合特征输入非线性预测网络，得到抑郁检测结果。
-
公开(公告)号：CN116875460A
公开(公告)日：2023-10-13
申请号：CN202310864143.6
申请日：2023-07-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及微流控芯片技术，具体涉及一种基于微流控芯片的原位肿瘤增殖及侵袭的体外模型及其使用方法，体外模型包括PDMS模板盖子和PDMS底座，PDMS模板盖子和PDMS底座基于等离子清洗的键合工艺组装成一体；PDMS底座中心设置有环境域腔槽，环境域腔槽的上、下两侧对称地设置有分流阵列，分流阵列另一侧设置有第一通道，第一通道与第一注射孔连通；环境域腔槽的左、右两侧对称设置有第二通道，第二通道与第二注射孔连通；PDMS模板盖子中心位置设置有一个圆柱形凸起，该凸起位于环境域腔槽中心；本发发明体外模型模拟了原位肿瘤，特别是构造了肿瘤球与胶原纤维组成的三维细胞外微环境，可为癌症研究提供模型基础。
-
Patent Agency Ranking
公开(公告)号：CN115294076A
公开(公告)日：2022-11-04
申请号：CN202210960818.2
申请日：2022-08-11
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/26 , G06V10/75 , G06V10/764 , G06V10/36
Abstract: 本发明属于医学图像处理与分析领域，特别涉及一种脑沟异常的预测系统，包括：从多个采集站点获取孤独症儿童脑部MRI影像数据；对儿童脑部MRI影像数据进行大脑白质表面重建；根据重建后的大脑白质表面提取脑沟凹陷，并投影到标准球空间，构建脑沟图；根据构建的脑沟图提取脑沟的特征反映脑沟的几何特性和拓扑属性；异常脑沟模式分析单元结合获得的几何特性和拓扑属性，构建基于脑沟异常的脑沟异常值，并设置报警阈值，根据脑沟异常值与报警阈值的关系进行预测。本发明根据孤独症儿童的异常脑沟的几何特性和拓扑属性得出孤独症儿童的脑沟模式异常，在孤独症早期的脑沟模式变化波动较小的情况下本发明任然具有良好的识别效果。
-
公开(公告)号：CN114330839B
公开(公告)日：2024-05-28
申请号：CN202111521076.5
申请日：2021-12-13
Applicant: 重庆邮电大学
IPC: G06F18/20 , G06F18/214 , G06Q10/067 , G06Q50/26 , G06N3/0442 , G06N3/006 , G06N3/08 , G01B21/02
Abstract: 本发明涉及一种基于WOA‑LSTM模型的滑坡位移预测方法，属于滑坡位移预测领域。步骤1：对滑坡位移数据进行EEMD分解得到若干个频率不一的IMF分量和一个趋势项；步骤2：得到的IMF分量和趋势项进行重构并记录系数；步骤3：取各个IMF分量和趋势项70％‑80％数据进入优化的WOA‑LSTM模型进行训练；步骤4：取剩下20％‑30％数据分别进行预测，输出预测结果；步骤5：各个分量的预测结果按步骤2系数重构得到最终总位移预测结果。本方法对LSTM网络进行优化，使得对山体滑坡位移预测精确度和稳定性大大提高，实现滑坡位移短期预测。
-
公开(公告)号：CN116824250B
公开(公告)日：2025-04-25
申请号：CN202310772613.6
申请日：2023-06-27
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/34 , G06T5/10 , G06T7/136 , G06T7/187
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于形态学和香农熵的细胞形态分类方法，包括获取细胞图像并对细胞图像进行预处理，预处理后确定细胞形态的重心和边缘，设置细胞边缘弧长微元，并提取描述细胞边缘的离散极坐标集合；计算角度增量及其概率分布，并计算表征细胞形态周向角度特征的指标；计算半径增量及其概率分布，并计算表征细胞形态径向半径特征的指标；以细胞形态周向角度特征的指标为横坐标、细胞形态径向半径特征的指标为纵坐标的散点图绘制每种形态的散点图，得到每种形态下对应的数据中心，计算细胞图像数据中心的距离来确认其形态标签；本发明方法具有高效、快速的特点，在辅助红细胞分类及地中海贫血诊断方面具有重要的意义。
-
公开(公告)号：CN116824250A
公开(公告)日：2023-09-29
申请号：CN202310772613.6
申请日：2023-06-27
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/34 , G06T5/10 , G06T7/136 , G06T7/187
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于形态学和香农熵的细胞形态分类方法，包括获取细胞图像并对细胞图像进行预处理，预处理后确定细胞形态的重心和边缘，设置细胞边缘弧长微元，并提取描述细胞边缘的离散极坐标集合；计算角度增量及其概率分布，并计算表征细胞形态周向角度特征的指标；计算半径增量及其概率分布，并计算表征细胞形态径向半径特征的指标；以细胞形态周向角度特征的指标为横坐标、细胞形态径向半径特征的指标为纵坐标的散点图绘制每种形态的散点图，得到每种形态下对应的数据中心，计算细胞图像数据中心的距离来确认其形态标签；本发明方法具有高效、快速的特点，在辅助红细胞分类及地中海贫血诊断方面具有重要的意义。
-
公开(公告)号：CN114330839A
公开(公告)日：2022-04-12
申请号：CN202111521076.5
申请日：2021-12-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于WOA‑LSTM模型的滑坡位移预测方法，属于滑坡位移预测领域。步骤1：对滑坡位移数据进行EEMD分解得到若干个频率不一的IMF分量和一个趋势项；步骤2：得到的IMF分量和趋势项进行重构并记录系数；步骤3：取各个IMF分量和趋势项70％‑80％数据进入优化的WOA‑LSTM模型进行训练；步骤4：取剩下20％‑30％数据分别进行预测，输出预测结果；步骤5：各个分量的预测结果按步骤2系数重构得到最终总位移预测结果。本方法对LSTM网络进行优化，使得对山体滑坡位移预测精确度和稳定性大大提高，实现滑坡位移短期预测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
