-
公开(公告)号：CN119360981A
公开(公告)日：2025-01-24
申请号：CN202411375114.4
申请日：2024-09-29
Applicant: 鹏城实验室
IPC: G16B40/20 , G16B30/10 , G06N3/0455 , G06N3/042
Abstract: 本申请实施例提供了一种蛋白质稳定性预测方法、装置、计算机设备及存储介质。方法包括：获取原始型蛋白质对应的第一待测序列与对应的突变型蛋白质的第二待测序列；根据蛋白质语言模型的注意力机制从第一待测序列中确定多个第一目标残基特征并对其进行全局特征的提取，得到第一虚拟结构微环境特征；同理，得到多个第二目标残基特征对应的第二虚拟结构微环境特征；基于第一虚拟结构微环境特征和第二虚拟结构微环境特征确定第一差值，并基于第一待测序列对应的第一全局序列特征和第二待测序列对应的第二全局序列特征确定第二差值；根据第一差值和第二差值进行预测，得到蛋白质稳定性预测结果。以此，能够提高对蛋白质的稳定性进行预测的准确性。
-
公开(公告)号：CN116778246A
公开(公告)日：2023-09-19
申请号：CN202310751960.0
申请日：2023-06-25
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本申请实施例提供了一种图像分类方法和装置、设备及存储介质，属于图像分类技术领域。该方法包括：获取样本图像数据对和样本图像类别对；根据混合参考比例分别将图像数据对、样本图像类别得到目标样本图像数据、目标样本图像类别；将目标样本图像数据输入至原始图像分类模型进行图像分类得到图像预测类别和混合预测比例；对图像预测类别、目标样本图像类别、混合预测比例和混合参考比例进行损失计算得到目标损失数据；根据目标损失数据对原始图像分类模型进行参数调整得到目标图像分类模型；获取并将目标图像输入至目标图像分类模型进行图像分类得到目标图像类别。本申请实施例能够提高图像分类的准确性、鲁棒性和泛化性。
-
公开(公告)号：CN116071300A
公开(公告)日：2023-05-05
申请号：CN202211580495.0
申请日：2022-12-09
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于上下文特征融合的细胞核分割方法及相关设备，所述方法包括：获取医学细胞图像，将医学细胞图像输入至卷积神经网络进行堆叠得到多个特征图，并将每个特征图输入特征金字塔，特征金字塔中的上下文增强模块对特征图进行特征融合得到输出特征；将输出特征输入到区域提取网络得到候选框，感兴趣区域对齐层将根据候选框得到感兴趣区域特征；将感兴趣区域特征发送给特征自适应选择模块得到特征级别的组合特征表示；基于组合特征表示分别计算出感兴趣区域的类别分类、候选框坐标和边缘感知掩码，从而实现细胞核进行分割。本发明通过上下文增强模块和特征自适应选择模块对医学细胞图像进行处理，显著提高病理切片细胞核的分割精度。
-
公开(公告)号：CN118316764A
公开(公告)日：2024-07-09
申请号：CN202410428660.3
申请日：2024-04-10
Applicant: 鹏城实验室
IPC: H04L25/02
Abstract: 本发明涉及无线通信技术领域，公开了一种信道估计方法、装置、设备及存储介质，该方法包括：在基站接收到反射用户和透射用户发送的导频信号时，获取初始接收信号矩阵；确定反射用户对应的稀疏反射信道矩阵，以及透射用户对应的稀疏透射信道矩阵；基于稀疏反射信道矩阵、稀疏透射信道矩阵和初始接收信号矩阵确定接收信号矩阵；通过交替方向乘子法基于接收信号矩阵进行信道估计，获得信道估计结果。本发明基于稀疏反射信道矩阵、稀疏透射信道矩阵以及初始接收信号矩阵确定接收信号矩阵，并通过交替方向乘子法基于接收信号矩阵进行信道估计，解决了由于大量的信道系数和无源表面缺乏信号传输/处理能力，导致信道估计较困难的技术问题。
-
公开(公告)号：CN117497054A
公开(公告)日：2024-02-02
申请号：CN202311394977.1
申请日：2023-10-25
Applicant: 鹏城实验室
IPC: G16B30/00 , G16B5/00 , G06F18/214
Abstract: 本申请实施例提供了一种多肽序列构建方法和装置、设备及存储介质，属于生物信息技术领域。该方法包括：获取包含具备靶向信息和预设性质信息的多肽训练序列的蛋白质训练数据集；根据多肽训练序列对预设的原始多肽序列预测模型进行模型参数微调得到目标多肽序列预测模型；获取包括参考多肽序列的参考多肽序列集；通过目标多肽序列预测模型对参考多肽序列进行序列预测得到多肽预测序列；根据参考多肽序列和多肽预测序列组合形成候选多肽序列；对候选多肽序列进行结构预测得到多肽结构信息；根据预设的筛选条件和多肽结构信息对候选多肽序列进行筛选处理得到目标多肽序列。本申请实施例能够生成方向性且质量更高的多肽序列。
-
Patent Agency Ranking
公开(公告)号：CN117390195A
公开(公告)日：2024-01-12
申请号：CN202311240225.X
申请日：2023-09-22
Applicant: 鹏城实验室
Abstract: 本发明提供了一种基于图编辑器的知识溯源连线方法、装置、设备和介质，方法包括：通过前端框架搭建前端界面，获取溯源信息数据，并在图编辑器窗口中根据溯源信息数据生成知识图谱，在确定点击信号选中的目标实体节点的情况下，在溯源片段窗口中生成多个相关溯源片段对应的溯源片段卡片，并根据关联系数从多个溯源片段卡片中确定目标溯源片段卡片，进而获取目标实体节点和目标溯源片段卡片的位置信息，并根据位置信息对目标实体节点和目标溯源片段卡片进行连线处理，进而实现自动化的溯源信息连线功能，解决知识图谱和知识溯源信息之间缺乏直观交互的问题，提高知识图谱系统的可视化能力，使得用户可以更快速有效的查看知识溯源信息。
-
公开(公告)号：CN117251527A
公开(公告)日：2023-12-19
申请号：CN202311192737.3
申请日：2023-09-14
Applicant: 鹏城实验室
Abstract: 本申请实施例提供了一种医学循证方法、系统、电子设备及存储介质，属于医学技术领域。该方法包括：获取目标实体对，目标实体对包括目标检索信息和目标检索信息对应的目标要素信息；根据目标实体对，在预设的医学数据库中检索得到医学文档信息，其中，医学文档信息包括来源信息和标题信息；将目标实体对输入预训练模型，得到第一特征嵌入信息；将医学文档信息输入预训练模型，根据来源信息和标题信息确定医学证据信息，得到表征医学证据信息特征的第二特征嵌入信息；将第一特征嵌入信息和第二特征嵌入信息输入证据鉴别器中得到关联值，当该关联值超过关联阈值时，确定医学证据信息为目标实体对的目标证据。本申请能够提高医学循证准确度和效率。
-
公开(公告)号：CN117197424A
公开(公告)日：2023-12-08
申请号：CN202310968911.2
申请日：2023-08-02
Applicant: 鹏城实验室
IPC: G06V10/25 , G06V10/774 , G06V10/74 , G06N3/0475 , G06N3/045 , G06N3/08 , G06V10/44
Abstract: 本发明实施例提供目标检测方法、样本增强方法、装置、设备和存储介质，涉及人工智能技术领域。目标检测方法利用流数据动态更新数据存储空间中的数据样本，在训练阶段利用样本增强模型对数据存储空间中的部分样本进行增强，以增加样本多样性，然后利用增强样本集、流数据样本和数据存储空间中剩余的数据样本共同作为训练样本进行模型训练，训练样本中包含在一定时间范围内的新数据、旧数据以及伪数据，这样使得目标检测任务模型能够在不断学习新任务的同时，保留以前学过的旧任务的知识，从而提高目标检测任务模型的学习效率和泛化性能，进而提升目标检测任务模型的检测准确率。
-
公开(公告)号：CN116246064A
公开(公告)日：2023-06-09
申请号：CN202211569881.X
申请日：2022-12-08
Applicant: 鹏城实验室
Abstract: 本发明所提供的一种多尺度空间特征增强方法及装置，所述方法包括：对待分割病理图像进行处理，得到目标病理图像；将所述目标病理图像输入图像特征提取网络，提取所述目标病理图像中的不同尺度的特征，得到不同尺度层级的特征图像；将不同尺度层级的所述特征图像输入自注意力机制，进行空间特征增强处理，得到最终特征图；将所述最终特征图输入基于两阶段检测器的基线模型，生成分割结果。本发明通过将不同尺度层级的所述特征图像输入自注意力机制，进行空间特征增强处理，提取到了信息更丰富的特征图，可以更好地对图像上的目标进行识别和定位，避免了仅依赖于最后一个特征图上的像素，提高了分割精度。
-
公开(公告)号：CN119649044A
公开(公告)日：2025-03-18
申请号：CN202411756602.X
申请日：2024-11-29
Applicant: 鹏城实验室
IPC: G06V10/40 , G06F18/213 , G06F18/22 , G06N3/0895
Abstract: 本申请公开了基于多模态对齐的图文问答方法、系统、电子设备及介质，方法包括：响应于对话指令，获取当前的对话回合对应的场景图像以及问题文本，并确定场景图像对应的初始权重；获取预设的多模态特征对齐模型的历史图像特征集合和历史文本特征集合；将场景图像以及问题文本输入特征提取模块进行特征提取，输出图像特征以及文本特征；将图像特征和初始权重合并至历史图像特征集合，得到图像编码集合，并将文本特征合并至历史文本特征集合，得到对话编码集合；通过权重匹配模块对图像编码集合和对话编码集合进行语义对齐；根据语义对齐后的目标图像编码特征生成回复文本。在本发明实施例中，能够将图像特征与文本数据有效结合，生成精确回答。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.064 seconds)
