公开(公告)号：CN111276187A

公开(公告)日：2020-06-12

申请号：CN202010029068.8

申请日：2020-01-12

Applicant: 湖南大学

Inventor： 彭绍亮 ,  张磊 ,  李非 ,  毕夏安 ,  周德山 ,  肖港 ,  辛彬 ,  王子航

IPC: G16B30/00 ,  G16B50/00 ,  G06N3/04

Abstract: 本发明属于计算机科学领域，公开了一种基于自编码器的基因表达谱特征学习方法，通过将基因表达谱文件按实验条件提取所需要的数据，先对提取的样本数据进行处理，得到能直接用于模型的输入数据，再将多个多通道自编码器逐层叠加，得到包含多个隐藏层的深度多通道自编码器模型，接着用深度多通道自编码器模型从高维稀疏的基因表达谱数据中提取出维度相对较低，且能有效区分原始数据的特征表示，最后验证模型预测的特征的好坏。本发明充分发挥深度学习能准确获取数据特征的优势，结合卷积神经网络的多通道和自编码器的特征学习能力，设计一种新的多通道自编码器模型，从而更好的学习到维度相对较低，且能有效区分原始基因表达谱数据的特征表示。

公开(公告)号：CN110136113A

公开(公告)日：2019-08-16

申请号：CN201910399732.5

申请日：2019-05-14

Applicant: 湖南大学

Inventor： 彭绍亮 ,  程敏霞 ,  李非 ,  王力 ,  杨亚宁 ,  周德山 ,  李肯立 ,  毕夏安 ,  唐卓 ,  蒋洪波 ,  王树林 ,  高亦博

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉及机器学习技术领域，公开了一种基于卷积神经网络的阴道病理图像分类方法。本发明包括步骤：使用上采样方法，得到类别平衡的阴道病理图像数据集；利用数据增强方法扩增阴道病理图像数据集；利用扩增的阴道病理图像数据集对图像分类卷积神经网络进行训练；利用交叉熵损失函数，结合BP算法对图像分类卷积神经网络进行网络参数更新；通过训练后的最优图像分类卷积神经网络对输入图像进行分类。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经验知识，耗费大量的时间和精力完成，提取出有区分性的高质量特征也往往存在一定的困难，而且准确率低，本发明借助于卷积神经网络，实现阴道病理图像的高精度分类。

公开(公告)号：CN110111901A

公开(公告)日：2019-08-09

申请号：CN201910407569.2

申请日：2019-05-16

Applicant: 湖南大学

Inventor： 彭绍亮 ,  孙哲 ,  李非 ,  陈国榜 ,  张磊 ,  秦拯 ,  魏洪 ,  马婷 ,  魏骁勇

IPC: G16H50/70 ,  G16H10/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于医疗数据挖掘领域，具体公开了基于RNN神经网络的可迁移病人分类系统。该系统包括：输入模块、数据处理模块、分类模块；输入模块用于获取原始病历数据；数据处理模块包括数据预处理单元、病人时序序列生成单元，用于将输入模块读入的原始病历数据转换成病人时序序列；分类模块包括模型构建单元、模型预测单元、迁移单元，用于将RNN神经网络与Attention(注意力)机制结合，构建病人分类模型，然后将数据处理模块得到的病人时序序列输入到模型进行训练，最后将训练好的模型迁移到不同数据集上进行病人分类预测。本发明具有通过挖掘电子病历数据，构建病人分类模型，在不同医疗数据集上进行病人死亡风险分类来辅助医生诊疗的优势。