-
公开(公告)号：CN119884956A
公开(公告)日：2025-04-25
申请号：CN202510066212.8
申请日：2025-01-16
Applicant: 湖南大学
IPC: G06F18/243 , G06F18/214 , G06Q10/04 , G06N5/01 , G06N20/00 , G16H50/20 , A61B5/00 , A61B5/02
Abstract: 本发明公开一种基于粒计算的新发心肌梗死分级分类预测方法及装置，该方法从真实临床数据中建立新发心肌梗死患者样本；通过xgboost模型对若干临床特征分别进行单特征建模分析，获得AUROC值，并保留若干第一临床特征；通过若干树模型对若干临床特征进行建模，输出每个树模型的特征重要度得分，并保留若干第二临床特征；将第一临床特征和第二临床特征进行交集处理，获得目标临床特征；构建集成模型并进行训练；输出训练好的集成模型的特征重要度得分，并对排在前面设定个数的临床特征进行重新建模分析，输出新建模型的特征重要度得分，并根据其筛选出最重要临床特征；通过内外部数据对新建模型进行验证。本发明能够减少收集数据的成本，提高模型的鲁棒性。
-
公开(公告)号：CN119171932B
公开(公告)日：2025-01-21
申请号：CN202411601655.4
申请日：2024-11-11
Applicant: 湖南大学
IPC: H04B1/40
Abstract: 本申请涉及一种ADS‑B收发一体芯片及ADS‑B收发机。芯片包括射频接收链路模块、射频发射链路模块、时钟管理模块、数字基带和控制器；射频接收链路模块包括自校准带通滤波器；自校准带通滤波器利用片上滤波器自校准电路输出的带宽控制信号对滤波器带宽进行校准，射频接收链路模块对输入射频信号依次进行低噪声放大、混频器下变频、在校准带宽后的滤波器中进行滤波处理以及模数转换处理得到数字信号，将数字信号发送至数字基带，射频发射链路模块对数字基带输出的PPM编码信号进行译码控制SCPA得到ADS‑B射频信号。本发明能够提供面积小、功耗低、稳定性高以及性能更加可靠的ADS‑B收发一体芯片。
-
公开(公告)号：CN119274644A
公开(公告)日：2025-01-07
申请号：CN202411396227.2
申请日：2024-10-08
Applicant: 湖南大学
Abstract: 一种基于图卷积网络的细胞间通讯分析方法及装置，该方法根据配体和受体的数字特征，构建配体和受体初始特征矩阵；收集蛋白质的初始配体‑受体相互作用对，并构建配体‑受体相互作用邻接矩阵；基于图卷积网络，构建配体‑受体相互作用预测网络模型，通过训练后进行预测处理，获得存在相互作用的预测配体‑受体相互作用对；通过单细胞RNA测序数据进行识别过滤，获得满足设定要求的配体‑受体相互作用对；通过细胞细胞通讯评分计算以及三点估计法测量获得细胞细胞通讯强度；根据细胞细胞通讯强度，构建细胞细胞通讯热图并进行可视化分析。本发明能够在降低成本的同时，获得相对准确的细胞细胞通讯分析结果，并提供多种可视化。
-
公开(公告)号：CN119074003A
公开(公告)日：2024-12-06
申请号：CN202411191122.3
申请日：2024-08-28
Applicant: 湖南大学
IPC: A61B5/318 , A61B5/333 , A61B5/338 , A61B5/353 , A61B5/355 , A61B5/366 , A61B5/363 , A61B5/00 , G06V10/44 , G06V10/26 , G06V10/77 , G06N20/00
Abstract: 本发明公开了一种从ECG拍摄图像提取心跳周期和数值信号的方法及装置.方法包括：S1、获取患者ECG图像；S2、对所述ECG图像进行预处理；S3、对预处理的后ECG图像进行信号预处理；S4、对信号预处理后的ECG图像提取心跳周期；S5、对信号预处理后的ECG图像进行信号降维。本发明提出在诊断过程中将拍摄的纸质图像，通过机器学习和图像处理方法将心电图纸质记录转换为一维信号，并提取心电图信号中存在的P、QRS和T波，以及心跳周期，以适应机器学习方法针对ECG图像的诊断，而且具体的处理图像可以直接导出，所以该方法具有很好的可解释性能和图形化特征显示。
-
公开(公告)号：CN114492851B
公开(公告)日：2024-08-20
申请号：CN202210102303.9
申请日：2022-01-27
Applicant: 湖南大学
Abstract: 本发明涉及一种基于区块链的模型迁移联邦学习方法，包括如下步骤：S1.服务器在区块链上向设备发布全局模型；S2.设备通过本地数据对本地模型进行训练；S3.设备通过区块链将本地模型上传至服务器；S4.服务器从中选择满足预设选择条件的本地模型作为目标模型，提取目标特征提取器并发布；S5.设备接收特征提取器，并以特征提取器替换设备的本地模型的本地特征提取器，并继续通过本地数据对本地模型进训练；S6.设备完成本轮训练，向服务器上传本轮训练后的本地模型；S7.服务器根据本地模型更新全局模型；并判断全局模型是否满足预设条件，是则结束学习过程，否则跳转至步骤S1，进行下一轮训练。本发明具有速度快、效率高、安全性好等优点。
-
Patent Agency Ranking
公开(公告)号：CN118211674A
公开(公告)日：2024-06-18
申请号：CN202410312429.8
申请日：2024-03-19
Applicant: 湖南大学
Abstract: 基于线性区块链的联邦学习在异构环境受到区块链性能瓶颈的限制，导致训练效率低下。目前的解决方案引入了有向无环图区块链来解决上述问题，但它们牺牲了区块链的可验证性，难以处理过时的模型，并且收敛速度较慢。本发明公开了一种基于树图区块链的半异步联邦学习框架，其底层区块链结构设计是以块为中心的有向无环图，以支持可验证和半异步的训练。为了促进快速收敛，本发明设计了一个主干链生成算法，对半异步的训练过程进行拓扑排序，引导客户端采样适当的模型。除此之外，本发明还将共识机制与联邦学习紧密结合，确保能够有效抵抗对针对模型和区块链系统的攻击。
-
公开(公告)号：CN117875452A
公开(公告)日：2024-04-12
申请号：CN202410084093.4
申请日：2024-01-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于SGX的区块链联邦学习方法及系统，本发明方法包括：每个客户端与SGX进行远程认证，并建立安全的信道；客户端进行本地模型的训练，保存本地模型的参数；客户端生成训练结果，并发布到区块链网络；区块链系统使用共识机制决定本轮执行聚合的聚合服务器，该聚合服务器从区块链网络中异步地获取各客户端的客户端模型梯度并送入SGX验证，验证成功后由SGX进行模型聚合；SGX完成模型聚合之后，产生聚合结果并发布至区块链；其他区块链节点验证聚合结果的完整性，验证成功后将该区块添加到本地区块中，并开始下一轮训练。本发明在聚合服务器中使用SGX进行模型的聚合，在开放的区块链联邦学习环境中保证训练过程不被恶意的聚合者破坏，提高了安全聚合的安全性、可靠性。
-
公开(公告)号：CN117851063A
公开(公告)日：2024-04-09
申请号：CN202410037338.8
申请日：2024-01-10
Applicant: 湖南大学
Abstract: 基于超算平台的医疗数据并行集成处理方法及系统，调用交互模块通过WEB用户界面或SDK组件获取用户的任务需求数据，将获取的任务需求数据发送到通信模块；通信模块采用任务管理组件对接收的任务需求数据进行解码以转换为任务指令；将转换的任务指令采用负载均衡的方式分配到提取模块；提取模块利用分布式内存数据库检索任务指令对应的任务需求数据，并对检索后的任务需求数据进行集成操作；当提取模块完成任务需求数据的提取和集成后，通过通信模块中的数据中继组件定时轮询以获得返回结果，并将返回结果以文件或数据流的形式返回给用户。本发明提高数据提取和集成速度，可以匹配并行化的提取集成过程，优化了内存占用；具有较低学习成本。
-
公开(公告)号：CN117831663A
公开(公告)日：2024-04-05
申请号：CN202410010541.6
申请日：2024-01-04
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多源异构图学习的蛋白质相互作用预测方法，包括：S1、根据氨基酸的理化性质，利用自协方差对蛋白质序列特征进行提取；S2、构建多源关联网络；S3、获得蛋白质与其他生物分子的关联信息特征；S4、获取已知的蛋白质‑蛋白质相互作用对作为正样本数据集，随机取样等量的无关联蛋白质‑蛋白质相互作用对作为负样本数据集，将正负样本数据集合并作为最终的数据集；S5、利用随机森林分类器和相应的最优参数进行训练以构建预测模型；S6、采用五折交叉验证的方法得到模型的性能评价指标。本发明可以更充分地利用残基的局部特征、蛋白质序列独特的理化性质以及蛋白质与其他生物分子的关联关系。
-
公开(公告)号：CN117828283A
公开(公告)日：2024-04-05
申请号：CN202311771578.2
申请日：2023-12-21
Applicant: 湖南大学
IPC: G06F18/15 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/084 , G06F18/214 , H04L43/04 , H04L41/16
Abstract: 一种网络监测数据补全方法及设备。与现有技术相比，本发明通过神经网络捕获数据之间的非线性关联，从而提高数据补全的准确性。充分考虑网络数据相关特征，从而实现对网络数据进行具有针对性地补全，进一步提高数据补全的准确性。通过更新数据在每个时刻下的隐状态，并综合利用所提取的特征对二分图上未观测边进行预测，进一步提高数据补全的准确性。通过提出在线模式，使用由已收集数据训练的、固定参数后的模型对新到来数据进行补全，保证一定精度下快速地进行缺失数据的补全。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.024 seconds)
