-
公开(公告)号：CN110211628A
公开(公告)日：2019-09-06
申请号：CN201910506027.0
申请日：2019-06-12
Applicant: 湖南大学
Abstract: 本发明属于生物信息学领域，公开了一种基于高通量测序数据的溶源性噬菌体预测方法，通过将原始测序数据和拼接后的细菌基因组数据相结合，先设计了质控过滤流水线对原始测序数据进行质控和过滤，再在拼接后的细菌基因组基因片段上根据类噬菌体基因聚类簇预测出粗略前噬菌体范围，接着在粗略范围上根据整合位点搜索出精确前噬菌体候选对象，最后从原始测序数据中挖掘环化信息，验证前噬菌体功能性并基于一致性延伸算法提取出对应的溶原性噬菌体全序。本发明实现了对细菌基因组中的溶源性噬菌体的有效预测，具有十分重要的推广应用价值。
-
公开(公告)号：CN119762353A
公开(公告)日：2025-04-04
申请号：CN202411959564.8
申请日：2024-12-30
Applicant: 湖南大学
IPC: G06T5/20 , G06N3/0464 , G06T5/70
Abstract: 本发明公开了一种基于深度可分离卷积思想的线性滤波算法优化方法，包括：S1、根据所选择的线性滤波算法和设置的滤波核大小生成滤波核的权重；S2、根据设置的滤波核大小对图像边界进行填充；S3、根据输入图像的通道数对输入图像进行处理；S4、对线性滤波操作后的多通道进行合并，输出滤波后的图像；S5、采用均方误差、峰值信噪比以及结构相似性作为指标对输出滤波后的图像进行图像质量分析；S6、与朴素的线性滤波算法、基于行列分离思想实现线性滤波算法和基于缓冲区和行列分离思想实现的OpenCV库的线性滤波算法进行比较。本发明能够有效适应各种硬件环境，无需针对特定芯片进行大量修改。
-
公开(公告)号：CN118919013A
公开(公告)日：2024-11-08
申请号：CN202410984961.4
申请日：2024-07-22
Applicant: 湖南大学
IPC: G16H15/00 , G06F40/169 , G06F40/126 , G06F40/295 , G06F40/216 , G06F16/35 , G06N5/04
Abstract: 本发明公开了一种用于增强X光图像诊断的文本提示学习方法及装置。方法包括：S1、输入患者胸部X光图像数据集，所述X光图像数据集包含放射学报告#imgabs0#和相应的图像与人工注释标签；S2、在放射学报告中提取概念、位置和阳性，形成三元组数据；S3、将外部医学知识注入至所述三元组数据，形成新的细粒度数据；S4、为每个概念生成报告级提示嵌入；S5、为每个概念生成概念级提示嵌入；S6、计算报告级相似性和概念级相似性；S7、使用损失函数训练得到推理模型；S8、输入患者胸部X光图像输入至推理模型，推断得到某些概念和/或疾病的存在，并确定概念和/或疾病的视觉证据。本发明无需使用任何标记的图像，具有良好的可解释性能。
-
公开(公告)号：CN118866080A
公开(公告)日：2024-10-29
申请号：CN202411251058.3
申请日：2024-09-06
Applicant: 湖南大学
IPC: G16B15/30 , G16B20/30 , G16B30/10 , G16B40/00 , G16B40/30 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 一种RNA结合残基的预测分析方法及装置，该方法通过Pytorch和DGL框架构建GDRBind模型；将设定长度的蛋白质序列输入所述GDRBind模型，并获取蛋白质序列的蛋白质结构数据；通过蛋白质序列搜索软件HHblits生成多序列比对MSA文件；在UniProtKB蛋白质数据库中收集若干RNA结合蛋白序列，并进行聚类处理，获得预训练数据集，使用其对通用蛋白质语言模型进行训练，获得ESM‑RBP表征模型；通过处理获得第一嵌入矩阵和第二嵌入矩阵，并将其进行拼接，获得残基结点特征表示矩阵；对蛋白质序列中所有残基对的边特征进行计算，获得边集；通过等变图神经网络EGNN预测模型预测，输出蛋白质序列的RNA结合残基预测结果。本发明能够解决领域特征挖掘不充分、划分精确性低以及缺少可解释性等方面的问题。
-
公开(公告)号：CN114972746B
公开(公告)日：2024-04-30
申请号：CN202210387736.3
申请日：2022-04-13
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于多分辨率重叠注意力机制的医学影像分割方法，基于多分辨率重叠注意力机制构建了一个具有跳跃连接的对称编码器‑解码器体系结构，编码器实现了从局部到全局的注意力机制，解码器将全局特征逐渐上采样到相应的输入分辨率；并且提出了跨尺度扩展层模块来实现上采样和特征维度的增加，最终通过分割头部模块实现像素级语义分割。本发明利用Transformer注意力机制和跳跃连接，充分利用全局上下文特征和各层次精细的语义信息，在全局和局部层次大大提高医学影像分割精度。
-
Patent Agency Ranking
公开(公告)号：CN117831783A
公开(公告)日：2024-04-05
申请号：CN202410010463.X
申请日：2024-01-04
Applicant: 湖南大学
IPC: G16H50/70 , G16H50/30 , G16B40/00 , G16B20/30 , G16B50/00 , G06N3/0499 , G06N3/0464 , G06F18/22 , G06F18/25
Abstract: 本发明公开了一种基于多视图学习的miRNA‑疾病关联预测方法，包括：S1、获取miRNA‑疾病关联数据、药物‑miRNA数据、药物‑疾病数据、mRNA‑miRNA和mRNA‑疾病数据、lncRNA‑miRNA和lncRNA‑疾病数据，以及来自多个物种的miRNA信息；S2、利用miRNA序列信息获取序列特征、利用疾病信息获取疾病语义相似性；S3、计算miRNA与疾病的高斯交互谱核相似性GIP；S4、获得miRNA和疾病之间的潜在关联；S5、构建多个异构图；S6、利用多尺度注意机制，通过将局部上下文纳入注意模块的全局上下文中，融合多重结构特征；S7、将miRNA和疾病的多重嵌入聚合并输入多层感知器进行训练和预测，进行了五折和十折的交叉验证来评估模型的性能。本发明具有良好的预测性能，每个模块都调整到最优。
-
公开(公告)号：CN117557483A
公开(公告)日：2024-02-13
申请号：CN202311531433.5
申请日：2023-11-16
Applicant: 湖南大学
IPC: G06T5/90 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于生成对抗网络增强肝脏磁共振病灶对比度的方法，包括：参数初始化；构建判别器D网络；构建生成器G网络；读取训练数据集图片x；生成训练数据集相应的目标域code集c_trg；生成验证数据集相应的目标域code集c_fixed_list；判别器D训练；判别器D损失计算；判断当前迭代次数加1能否被生成器G每迭代一次判别器应迭代次数n_critic整除。本发明利用不同期图像之间的连续变化关系来进行重建损失的计算，使得生成器G可以保留不同期图像的增强细节，准确合成病变区域的增强效果。
-
公开(公告)号：CN113628678B
公开(公告)日：2023-09-19
申请号：CN202110925770.7
申请日：2021-08-12
Applicant: 湖南大学
Abstract: 本发明公开了一种基于spark计算引擎的高通量虚拟药物筛选方法及系统。方法包括受体广播、配体索引构建、配体分割、配体组装、并行化、分子对接和对接结果聚合步骤。本发明使用HDFS分布式文件系统存储受体和配体的对接数据，利用spark分布式计算引擎完成数据并行化的分子对接任务，具有计算速度快、支持容错、可扩展性强、易于部署和使用等特点。
-
公开(公告)号：CN113360458B
公开(公告)日：2023-05-26
申请号：CN202110627869.9
申请日：2021-06-05
Applicant: 湖南大学
IPC: G06F16/13 , G06F16/176 , G06F16/182 , G06F21/33
Abstract: 本发明属于计算机科学领域，公开了一种基于联盟链的分布式文件存储共享系统。本发明通过联盟链数据接口模块，联盟文件存储模块，联盟身份认证模块，联盟权限控制模块，和节点Web服务模块，实现有身份准入的联盟文件分布式存储、文件检索和文件授权，保证联盟组织间文件安全共享。本发明就现有区块链文件共享技术体系不足，提出的一种有身份认证机制的联盟间文件分布式存储共享解决方案，为联盟间数据共享，打通数据壁垒，解决数据孤岛问题提供了开发实践。
-
公开(公告)号：CN110111901B
公开(公告)日：2023-04-18
申请号：CN201910407569.2
申请日：2019-05-16
Applicant: 湖南大学
IPC: G16H50/70 , G16H10/60 , G06N3/0442 , G06N3/096
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。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.021 seconds)
