基于知识跟踪的端到端任务型对话方法、系统、终端及介质

    公开(公告)号:CN117668184B

    公开(公告)日:2024-10-29

    申请号:CN202311623057.2

    申请日:2023-11-30

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于知识跟踪的端到端任务型对话方法、系统、终端及介质,其中方法包括:构建一个用来训练模型带有知识跟踪的端到端对话数据集;将带有知识跟踪的端到端对话数据集中的对话历史和知识库的内容转化为三元组向量的形式的表示;使用GLMP记忆网络对对话历史进行编码,以及将向量化的对话历史和知识库储存起来;通过知识跟踪层以对话历史编码最后一个隐藏状态作为查询向量,检索相应的知识实体以及支持事实;将得到的支持事实集成到流水线架构的端到端任务型或常规的端到端任务型对话系统中。解决了端到端任务型对话系统由于检索过程的不确定性,而导致的生成系统响应的不可靠和难以解释的问题。

    一种透析用隧道冲洗消毒导管及其使用方法

    公开(公告)号:CN114767983A

    公开(公告)日:2022-07-22

    申请号:CN202210638210.8

    申请日:2022-06-08

    Abstract: 一种透析用隧道冲洗消毒导管及其使用方法,所述导管在插入隧道口的一端头设有倾斜口,形成尖端主孔;所述导管在伸入隧道目标位置的一段管身上设有多个侧孔;所述端头的硬度大于管身的硬度;所述导管上设有用于连接抽吸器的接头。本发明还包括另外一种透析用隧道冲洗消毒导管及其使用方法。本发明一方面能够将导管伸入隧道深处,有效探及隧道炎症处,进行及时的冲洗、消毒和抗菌,对深部的隧道炎或肉芽进行及时有效的治疗;另一方面,能够实现冲洗及涂抹两种不同方式的治疗;并且注射速度适中,不会造成快速冲刷导致感染灶脱落并附着到隧道的其他部位的问题发生。

    诱导型一氧化氮合酶在制备治疗急性高眼压的早期血视网膜屏障损伤药物中的应用

    公开(公告)号:CN114272363A

    公开(公告)日:2022-04-05

    申请号:CN202111510277.5

    申请日:2021-12-10

    Applicant: 中南大学

    Abstract: 本发明属于生物医药领域,具体涉及诱导型一氧化氮合酶在制备治疗急性高眼压的早期血视网膜屏障损伤药物中的应用。本发明通过大鼠急性眼高压模型建立,荧光定位iNOS的表达,其主要表达在视网膜神经纤维层、节细胞层和内核层,与血管内皮细胞标志物CD31共表达,通过免疫印迹结果,可知急性高眼压后早期(3h、6h)时,iNOS表达上调,而后iNOS和ZO‑1表达下调,通过给予iNOS特异抑制剂的干预效果对比,iNOS和ZO‑1表达下调,EB渗漏增多,说明iNOS对于高眼压的早期血视网膜屏障损伤具有保护作用,可用于治疗急性高眼压的早期血视网膜屏障损伤药物,为急性高眼压早期治疗提供了新思路。

    一种防交叉感染的支气管镜清洗装置

    公开(公告)号:CN113102367B

    公开(公告)日:2022-03-11

    申请号:CN202110379265.7

    申请日:2021-04-08

    Abstract: 本发明公开一种防交叉感染的支气管镜清洗装置,包括杯体和若干试管,杯体内分别设置连接盘和连接轴,连接轴竖向设置于杯体内,杯体的底部竖向设置连轴端;连接轴竖向设置,连接轴的其中一端开设连接插孔,连轴端插入连接插孔;连接盘横向设置,连接轴远离连轴端的一端连接连接盘的其中一侧;连接盘沿盘厚开设若干连接通孔,各连接通孔沿连接盘的周向间隔设置;各试管竖向设置,各试管分别插入一连接通孔,连接盘用于通过各连接通孔将各试管悬挂于连接盘上,以使各试管内盛入清洗液。本发明提出技术方案中各试管分别装载清洗液可以有效的避免交叉感染。

    基于症状提取和特征表示的电子病历多标签分类方法

    公开(公告)号:CN109460473B

    公开(公告)日:2021-11-02

    申请号:CN201811388476.1

    申请日:2018-11-21

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于症状提取和特征表示的电子病历多标签分类方法,考虑到疾病与症状以及症状间的关联关系对电子病历的疾病标签多分类问题的影响,采用两种不同的症状表征方法:使用TF‑IDF构建症状向量以及使用word2vec学习症状向量。将从电子病历中抽取的两种症状向量序列分别作为所述两个双向LSTM模型的输入序列,训练两个双向LSTM模型;对于未知疾病标签的电子病历,将从其中提取的症状对应的两种症状向量构成两种症状向量序列,分别输入两个训练好的双向LSTM模型,得到两个概率向量;对两个概率向量进行加权组合,得到最终的分类向量。本方法分类效果和适用性好。

    一种基于相似性学习及其增强的细胞类型鉴定方法

    公开(公告)号:CN110222745B

    公开(公告)日:2021-04-30

    申请号:CN201910438507.8

    申请日:2019-05-24

    Applicant: 中南大学

    Abstract: 本发明公开了一种新的基于相似性学习及其增强的细胞类型鉴定的方法,该方法设计了一种新的全局相似性计算方法,同时结合另外三种常规的局部相似性信息,对基因做了筛选并且对具有稀疏性质的全局相似性做了增强处理。本发明的方法不仅使用了与传统计算局部点对点间相似性不同的全局相似性计算方法,并且通过结合包括全局相似性和局部相似性在内的多种不同相似性进行了基因选择和相似性增强,得到信息丰富的相似性矩阵。该方法能够有效地减少单细胞数据本身携带的技术噪声、生物噪声等因素的影响,更准确地鉴定单细胞的类型。

    蛋白质小分子结合口袋上关键柔性氨基酸的识别方法

    公开(公告)号:CN111951884A

    公开(公告)日:2020-11-17

    申请号:CN202010661704.9

    申请日:2020-07-10

    Applicant: 中南大学

    Abstract: 本发明涉及一种蛋白质小分子结合口袋上关键柔性氨基酸的识别方法,包括以下步骤:步骤1、在蛋白质PDB结构中,通过95%的序列相似性将蛋白质的结构分类为不同的亚型簇;步骤2、明确的生物学配体,将在同一结构亚型簇中所有蛋白结构重叠,并准确鉴定蛋白上小分子结合口袋;步骤3、将已知3D结构的同一结构亚型簇中的相应结合位点,根据小分子结合位置划分为位点结合亚型;步骤4、通过计算理化和结构参数差异表征因子来研究蛋白质柔性的性质;步骤5、用形成蛋白质结合口袋的系统的最高评分来识别关键的柔性残基。设计了一套统一性、无偏见的研究流程体系,开发了一套系统性的数学统计公式来确定不同结构模型相同位置上的结合位点氨基酸的结构柔性。

    一种基于低秩矩阵填充的药物重定位方法

    公开(公告)号:CN107545151B

    公开(公告)日:2020-10-16

    申请号:CN201710779874.5

    申请日:2017-09-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于低秩矩阵填充的药物重定位方法。本发明首先通过集成药物和疾病相关数据,构建了药物‑疾病异构网络,矩阵中的元素包括药物对、疾病对、已知药物‑疾病对和未知药物‑疾病对。然后利用快速矩阵填充算法填充该矩阵,为未知药物‑疾病对赋予预测值,根据所填充的预测值,为所有的药物预测新适应症。本发明简单有效,通过与其他方法比较,及在多个数据集上测试表明,该发明在药物重定位方面具有较好的预测性能。

    基于融合网络和多打分策略的预后生物标志物识别方法

    公开(公告)号:CN110010204A

    公开(公告)日:2019-07-12

    申请号:CN201910270730.6

    申请日:2019-04-04

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于融合网络和多打分策略的预后生物标志物识别方法,为了减小样本异质性的影响,首先对样本的基因表达数据进行标准化和主成分分析,取前两个主成分、用高斯混合模型对样本进行聚类;对于每一类,融合多种生物网络,并从生物功能、预后能力、与已知致病基因相关程度三个角度对网络节点进行打分;通过带重启的随机游走算法,获得网络中节点的重要性排序;根据三种打分方式得到的节点重要性排序值综合评估节点的重要性;分别取每一类排序靠前的基因,合并获得预后生物标志物。本发明能有效识别生物可解释性强、与疾病密切相关并在不同预后样本中显著差异表达的生物标志物,用于疾病样本的预后分析。

    一种基于异构网络嵌入的药物靶标相互作用预测方法

    公开(公告)号:CN109887540A

    公开(公告)日:2019-06-14

    申请号:CN201910035394.7

    申请日:2019-01-15

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于异构网络嵌入的药物靶标相互作用预测方法,该方法基于化学结构相似的药物往往能与相似的靶标相互作用的假设,将药物-药物相似性网络、靶标-靶标相似性网络以及药物-靶标相互作用网络合并到药物-靶标异构网络中;使用基于起始节点的游走序列,构建神经网络分类模型并将游走序列作为其输入,对分类模型进行训练并学习得到所有节点的向量表示;对于药物-靶标相互作用的预测,给定一对药物-靶标对,从学习得到的节点向量中提取对应的药物和靶标的向量表示,并对两个向量进行Hadamard积运算,将得到的结果作为随机森林分类器的输入,得到最终的预测结果。根据实验验证可知,本方法预测效果和适用性较好。

Patent Agency Ranking