-
公开(公告)号：CN116188504A
公开(公告)日：2023-05-30
申请号：CN202211475402.8
申请日：2022-11-23
Applicant: 鹏城实验室
IPC: G06T7/13 , G06T7/11 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/09
Abstract: 本申请公开了一种基于可学习方向导数的病灶边缘检测方法及相关装置，方法应用预训练的边缘检测模型；其包括将待检测图像输入边缘检测模型的特征提取模块，通过特征提取模块确定待检测图像对应的候选区域特征以及高级语义特征；将所述候选区域特征输入所述边缘检测模型的方向导数模块，通过方向导数模块确定所述待检测图像对应的方向导数特征；将所述方向导数特征以及所述高级语义特征输入所述边缘检测模型的边缘感知模块，通过所述边缘感知模块确定所述待检测图像对应的病灶区域。本申请通过确定待检测图像的方向导数，通过方向导数来表征病灶区域的边缘区域，可以提高边缘区域检测的准确性，进而提高检测到的病灶区域的准确性。
-
公开(公告)号：CN117292756A
公开(公告)日：2023-12-26
申请号：CN202311136170.8
申请日：2023-09-01
Applicant: 鹏城实验室
IPC: G16B40/20 , G16B20/00 , G06F18/211 , G06F18/214 , G06F18/24 , G06F18/27 , G06N3/0464 , G06N3/047
Abstract: 本申请实施例提供了病毒性质预测模型训练方法和病毒性质预测方法，通过由病毒蛋白质序列数据集提取的特征训练预测模型得到目标预测模型；在训练模型的过程中，根据第一模型预测结果、回归标签和第一惩罚指数得到回归任务的回归损失函数值，根据第二模型预测结果、分类标签、第二惩罚指数和权重系数得到分类任务的分类损失函数值，根据回归损失函数值和分类损失函数值调整模型参数，通过第一惩罚指数指导对回归任务中的负样本的惩罚程度，通过第二惩罚指数指导对分类任务中的负样本的惩罚程度，通过权重系数调整分类损失函数对于分类任务的正样本的注重程度，从而解决训练数据正负样本不平衡问题。
-
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：CN119851080A
公开(公告)日：2025-04-18
申请号：CN202510320886.6
申请日：2025-03-18
Applicant: 鹏城实验室
IPC: G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本申请实施例公开了一种目标检测模型训练方法、目标检测方法、装置及设备。目标检测模型包括图像编码模型、特征编码模型和特征解码模型，通过获取样本图像中的待检测样本对象对应的目标样本区域、目标样本类别及样本描述文本；将样本图像输入到图像编码模型中，输出样本图像中每个子区域对应的区域图像特征；将每个区域图像特征和样本描述文本特征输入到特征编码模型中，输出每个子区域对应的融合特征；将每个子区域对应的融合特征输入特征解码模型中，输出每个子区域对应的目标融合特征；根据每个目标融合特征和样本描述文本确定出待检测样本对象对应的预测类别概率和在样本图像中的预测样本区域；基于预测结果和目标结果对目标检测模型迭代。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN117577188A
公开(公告)日：2024-02-20
申请号：CN202311131474.5
申请日：2023-09-01
Applicant: 鹏城实验室
Abstract: 本申请提出一种高风险变异毒株预测方法、电子设备和存储介质。方法通过从预设的毒株序列数据集中提取第一毒株序列以及由第一毒株序列变异得到的所有第二毒株序列，根据第一毒株序列和所有第二毒株序列确定毒株的突变数量倍率、每个位点的突变频率以及残基分布；根据起始毒株序列、突变数量倍率、突变频率和残基分布生成预测毒株序列；根据多个预设指标对预测毒株序列进行高通量筛选，得到目标毒株序列，最后根据湿实验结果从目标毒株序列中筛选高风险变异株。应用本申请能基于毒株的变异趋势预测生成预测毒株序列，再根据各项预设指标筛选出目标毒株序列，再通过湿实验验证毒株在真实环境中的各项性质，从而准确地预测出高风险变异毒株。
-
公开(公告)号：CN116128801A
公开(公告)日：2023-05-16
申请号：CN202211475103.4
申请日：2022-11-23
Applicant: 鹏城实验室
IPC: G06T7/00 , G06T7/10 , G06V10/40 , G06V10/764
Abstract: 本申请公开了一种基于多任务学习的图像清洁度评估方法及相关装置，方法包括将待评估图像输入所述评估网络模型中的特征提取模块，通过所述特征提取模块确定所述待评估图像的若干特征图，将若干特征图输入所述评估网络膜中的预测模块，通过所述预测模块确定所述待评估图像对应的掩膜图以及清洁度类别。本申请通过特征提取模块提取若干特征图，然后通过预测模块基于若干特征图确定掩膜图以及清洁度类别，预测模块利用用于确定掩膜图的实例特征增强图像的清洁特征表现，聚焦图像所属器官的划分和图像的清洁度评估，从而可以快速确定清洁度满足预定要求的视频图像，进而使后续的病灶分割网络免受噪声场景的干扰，还能降低病灶检测的计算复杂程度。
-
公开(公告)号：CN119763661A
公开(公告)日：2025-04-04
申请号：CN202411732128.7
申请日：2024-11-27
Applicant: 鹏城实验室
Abstract: 本申请实施例提供蛋白质数据多模态特征对齐方法、装置、设备和存储介质，涉及生物医学技术领域。该方法通过利用蛋白质谱图编码器提取掩码谱图的谱图特征，利用蛋白质序列编码器提取掩码序列的序列特征。利用多模态特征提取模型获取谱图特征的谱图自注意力特征和序列特征的序列自注意力特征，根据谱图自注意力特征和序列自注意力特征进行交叉注意力计算，得到谱图交叉注意力特征和序列交叉注意力特征，并根据谱图交叉注意力特征得到谱图对齐特征，根据序列交叉注意力特征得到序列对齐特征。通过这种自上而下的跨模态特征对齐方式，进行高层次特征的聚合与对齐，提升蛋白质质谱数据的多模态特征提取准确性。
-
公开(公告)号：CN119314547A
公开(公告)日：2025-01-14
申请号：CN202411358103.5
申请日：2024-09-27
Applicant: 鹏城实验室
IPC: G16B20/00 , G06F18/213 , G06N3/045
Abstract: 本申请实施例提供了一种抗体与抗原之间相互作用的预测方法以及相关设备，属于数据处理技术领域。该方法包括：获取目标抗体的抗体序列信息和目标抗原的抗原序列信息；提取抗体序列信息中的抗体序列特征，以及提取抗原序列信息中的抗原序列特征；确定抗体序列特征和抗原序列特征之间各自的双向注意力权重，并基于各个双向注意力权重提取抗体序列特征和抗原序列特征之间的双向注意力特征；将抗体序列特征映射到目标抗体的空间结构上，得到抗体结构特征；融合双向注意力特征和抗体结构特征得到目标特征，并基于目标特征确定目标抗体与目标抗原之间相互作用的目标预测结果。本申请能够提高对目标抗体与目标抗原之间相互作用的预测准确度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
