公开(公告)号：CN114512188B

公开(公告)日：2024-04-05

申请号：CN202210274125.8

申请日：2022-03-20

Applicant: 湖南大学

Inventor： 冉坤 ,  彭绍亮 ,  赵雄君 ,  潘亮 ,  王练 ,  刘文娟

IPC: G16B25/10 ,  G06N3/049 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法，包括：S1、参数初始化；S2、构建DNA结合蛋白序列信息；S3、采用位置特异性得分矩阵表示蛋白质序列；S4、对位置特异性得分矩阵进行归一化，得到改进后的位置特异性得分矩阵；S5、输入卷积神经网络；S6、将卷积神经网络的输出结果输入至双向长短时记忆网络；S7、采用时间分布稠密层对不同存储单元生成的隐藏特征进行加权；S8、将稠密层的输出输入到Flatten层；S9、将改进后的位置特异性得分矩阵输入随机森林模型得到对特定蛋白质序列的决策结果；S10、将步骤S8的输出和步骤S9的决策结果输入评分层，按照设定的权重进行最终的预测评分。本发明提高了预测的性能和准确率。

公开(公告)号：CN117770836A

公开(公告)日：2024-03-29

申请号：CN202410076804.3

申请日：2024-01-18

Applicant: 湖南大学

Inventor： 彭绍亮 ,  刘凡

IPC: A61B5/369 ,  A61B5/389 ,  A61B5/398 ,  A61B5/397 ,  A61B5/372 ,  A61B5/00 ,  G06F18/241 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了一种基于图卷积网络的多模态生理信号分析方法，包括：S1、基于单模态特征提取器独立提取包括脑电波EEG信号、眼电图EOG信号和肌电图EMG信号；S2、以提取信号作为节点构成图结构，并以图结构中当前节点的特征与相邻节点的特征整合形成综合特征图，并进行预处理，形成多模态特征图；S3、将预处理后的多模态特征图输入至具有三个图卷积网络的多专家图卷积网络中，形成专家网络的输出；S4、评估多专家图卷积网络中每个网络的输出和相关性，计算权重wi，并根据该权重wi将每个网络的输出加权并融合形成最终的特征表示Ffinal；S5、将最终的特征表示Ffinal输入至分类器中，以进行睡眠阶段的分类。本发明在提高分类的准确性和可解释性方面具有明显优势。

公开(公告)号：CN117457228A

公开(公告)日：2024-01-26

申请号：CN202311497762.2

申请日：2023-11-12

Applicant: 湖南大学

Inventor： 彭绍亮 ,  赵雄君 ,  窦钰涛 ,  姬博亚 ,  许力文 ,  刘文娟

IPC: G16H50/70 ,  G16H10/60 ,  G16H50/20

Abstract: 本发明公开了医疗表征学习技术领域的一种电子健康记录的个性化表征学习模型方法。该电子健康记录的个性化表征学习模型方法包括以下步骤：输入EHR数据集，将结构化EHR数据转换成了一系列与时间有关的序列输入；将上述序列数据依次进行数据编码、上下文表征、时间维度融合和预测；将待诊断样本输入到参数设置的网络模型中进行数据训练，实现医疗预测。该电子健康记录的个性化表征学习模型方法能够有效的针对不同患者的电子健康记录数据进行个性化表征，提高模型对医疗预测任务的准确率，敏感值和特异值，为患者提供精准诊断。

公开(公告)号：CN116628489A

公开(公告)日：2023-08-22

申请号：CN202310352952.9

申请日：2023-04-04

Applicant: 湖南大学

Inventor： 彭绍亮 ,  窦钰涛 ,  夏飞 ,  刘达政 ,  潘良睿

IPC: G06F18/214 ,  G06F18/10 ,  G16H50/70

Abstract: 本发明公开了一种用于医疗特征生成模型的半监督条件迁移学习方法，包括S1、对输入源域和目标域数据进行特征预处理；S2、按照预设的规则对源域数据进行筛选，得到筛选后的源域数据；S3、将筛选后的源域数据根据特征是否稀有分为预训练的训练集和测试集；S4、构建基于源域数据特点的特征生成模型；S5、按照预设的规则对目标域数据进行筛选，得到筛选后的目标域数据；S6、生成目标域数据表征；S7、生成与源域数据维度相同的数据集；S8、将筛选的源域数据与目标域数集合并，形成混合数据集；S9、基于混合数据集进行重新训练得到带有目标域数据特点的特征生成模型；S10、重复步骤S5‑S9。本发明通过多种特征增强方法，强化了原始数据的特点。

公开(公告)号：CN113611356B

公开(公告)日：2023-04-07

申请号：CN202110865026.2

申请日：2021-07-29

Applicant: 湖南大学

Inventor： 彭绍亮 ,  王小奇 ,  程英杰 ,  姬博亚 ,  程孝孝 ,  王红

IPC: G16B15/30 ,  G16B40/00 ,  G06N20/10

Abstract: 本发明属于计算机科学领域，公开了一种基于自监督图表征学习的药物重定位预测方法。首先探索发现生物异质网络中不同实体之间的多中心结构特征，并被用于元路径设计；其次，通过基于路径检测的自监督学习机制训练深度Transformer编码器，生成可以反映生物异质网络中全局信息的表征向量；同时，通过集成生物医学实体掩码任务来捕获网络节点之间的局部关联信息；最后，将来自不同任务模型的表征拼接起来作为特征向量，并利用传统的支持向量机模型预测生药物‑靶标的相互作用关系。本发明通过自监督图表征模型捕获了生物异质网络中的局部‑全局信息，进而提高了药物重定位预测精度，同时降低了对生物医学标注数据的依赖性，更加符合生物医药的实际应用。

公开(公告)号：CN115661454A

公开(公告)日：2023-01-31

申请号：CN202211320016.1

申请日：2022-10-26

Applicant: 湖南大学

Inventor： 彭绍亮 ,  王练 ,  潘良睿 ,  王鹤恬 ,  刘明婷 ,  陈佐

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V20/70

Abstract: 本发明公开了一种用于病理图像分割的双端层次化的特征融合方法，包括：S1、将整个全视野数字切片分成切片小块，并行放入全局编码器和局部编码器中；S2、在全局编码器中，块嵌入层将切片分割成不重叠的补丁，将特征维度映射到维度转换后的特征通过连续的Swin Transformer块和块合并层在各个阶段以生成分层的全局特征表示；S3、在局部编码器中，Stem层生成补丁特征，通过ConvNeXt块和下采样层在各个阶段以生成相应的分层局部特征表示；S4、在解码器中，借助全局‑局部融合模块GLFusion和跳越连接，获取双分支同一层次的全局粗粒度信息和局部细粒度信息；S5、获得图像的像素级分割，并合并所有切片块分割结果以恢复最终的WSI的肿瘤分布图。本发明具有较高的实际应用价值。

公开(公告)号：CN115620815A

公开(公告)日：2023-01-17

申请号：CN202211285893.X

申请日：2022-10-16

Applicant: 湖南大学

Inventor： 彭绍亮 ,  冉坤 ,  崔英博 ,  王子航

IPC: G16B30/10 ,  G16B50/00 ,  G06F9/50 ,  G06F9/54

Abstract: 本发明公开了一种基于MPI技术的分析大规模第三代测序数据并行比对方法，包括：S1、启动p个进程，任意选取一个进程作为主进程，并将其余个进程作为从进程；S2、将参考基因组读入所述主进程，并通过minimap2生成参考基因组索引；S3、根据参考基因组索引的值构建数据结构；S4、主进程通过MPI_Bcast函数广播步骤S3中构建的数据结构；S5、所有从进程调用MPI_Bcast函数获取所述主进程广播的数据结构；S6、将所有p个进程进行序列分割，确定所需读取分析的第三代测序数据；S7、通过多级并行对所有进程进行三代测序比对；S8、每个进程将该进程的比对结果异步输入到独立的文件中保存；S9、将不同的文件中所保存的各个进程的比对结果合并。本发明极大的减少了比对时间。

公开(公告)号：CN114678064A

公开(公告)日：2022-06-28

申请号：CN202210352445.0

申请日：2022-04-04

Applicant: 湖南大学

Inventor： 彭绍亮 ,  潘亮 ,  王小奇 ,  冉坤 ,  王鹤恬 ,  刘文娟

IPC: G16B15/30 ,  G16B50/00

Abstract: 本发明公开了一种基于网络表征学习的药物靶标相互作用预测方法，包括S1、参数初始化；S2、构建药物异质信息网络；S3、计算相应的相似网络；S4、将相似网络的邻接矩阵A作为输入，计算top‑l个矩阵A的特征分解[Λ,X]；S5、通过高阶相似性的阶数和各阶相似度的权重计算出重加权后的特征值Λ′；S6、对重加权后的特征值Λ′按绝对值的降序进行排序，并选择前d个特征值Λ′；S7、根据矩阵特征分解[Λ,X]计算出所述邻接矩阵A的前d个奇异值[U,Σ,V]；S8、根据奇异值[U,Σ,V]获取在低维向量空间中保持高阶近似性的嵌入向量；S9、使用十折交叉验证；S10、使用归纳矩阵补全法获得潜在药物‑靶点相互作用。本发明提高了预测精度并且提高表征的效率和性能。

公开(公告)号：CN114664449A

公开(公告)日：2022-06-24

申请号：CN202210400531.4

申请日：2022-04-16

Applicant: 湖南大学

Inventor： 彭绍亮 ,  王鹤恬 ,  王练 ,  潘亮 ,  鲍雯萱 ,  刘文娟

IPC: G16H50/30 ,  G16H50/70 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于人工智能的糖尿病ICU患者死亡风险预测方法，包括：S1、按照设定标准采集糖尿病ICU患者的ICU数据；S2、将采集的ICU数据导入至数据库中，并取出糖尿病ICU患者的生命特征数据；S3、将采集的ICU数据以及生命特征数据中不符合规范的数据删除；S4、构建基于逻辑回归算法的预测模型、基于决策树算法的预测模型、基于随机森林算法的预测模型和基于混合双向LSTM的模型；S5、将步骤S3处理后的ICU数据以及生命特征数据输入至步骤S4中的模型进行模型训练和迭代训练，并选择最优模型；S6、将糖尿病ICU患者的基本信息和患者生命特征数据输入至最优模型中预测死亡风险。本发明能起到早期预警的效果，从而改善糖尿病ICU患者的治疗情况。

公开(公告)号：CN110033041B

公开(公告)日：2022-05-03

申请号：CN201910296276.1

申请日：2019-04-13

Applicant: 湖南大学

Inventor： 彭绍亮 ,  刘伟 ,  李非 ,  杨亚宁 ,  李肯立 ,  卢新国 ,  张磊 ,  毕夏安

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于基因表达谱分类领域，公开了一种基于深度学习的基因表达谱距离度量方法，属于深度学习在生物大数据上的挖掘和应用。首先，设计了一种适用于基因特征度量学习的卷积神经网络模型来提取数据的特征，然后运用改进的余弦距离来计算数据之间的距离，最后通过分类算法的分类效果来衡量该方法的优良。该方法能够快速高效地度量出不同的基因表达谱之间的相似度，为后续的基因分类、聚类、差异性表达分析、化合物筛查等研究提供数据。相比较传统的基因富集方法，这种方法显著提高了数据之间的距离度量效果，并且可以有效的减少基因表达谱分析时候的人工干预，避免了常规深度网络易产生的过拟合现象，该方法有较强的可迁移性。