一种基于Paddle框架的多维特征编码器的药物与药物相互作用预测系统

    公开(公告)号:CN118352095A

    公开(公告)日:2024-07-16

    申请号:CN202410303039.4

    申请日:2024-03-18

    IPC分类号: G16H70/40 G16B15/30

    摘要: 本研究致力于利用基于Paddle框架的多维特征编码器(AMDE)来预测药物间的相互作用(DDIs)。该AMDE模型构建于三大核心组件:一维序列特征编码器、二维图特征编码器和多维解码器。二维图特征编码器负责将SMILES转换为原子图,并运用消息传递注意网络(MPAN)提取图的高阶结构和语义关系,以全面揭示药物间复杂的相互作用机制。与此同时,一维序列特征编码器则将SMILES串细分为子结构,并借助Transformer技术对药物的序列特征进行编码,以有效捕获子结构之间的顺序关系。最终,多维特征解码器将药物的二维和一维特征相融合,并通过深度学习技术预测DDIs的发生情况。

    一种基于全尺度特征融合的嵌入式肝肿瘤和血管三维重建系统

    公开(公告)号:CN118229873A

    公开(公告)日:2024-06-21

    申请号:CN202410269598.8

    申请日:2024-03-11

    摘要: 本发明涉及一种基于全尺度特征融合的嵌入式肝肿瘤和血管三维重建系统,涉及智慧医疗、深度学习、计算机辅助诊断领域。包括:1)肝癌病人CT数据采集标注、裁剪和标准化获取有关的数据;2)多尺度语义相关特征提取与分割模块,对CT影像,通过全局‑局部特征融合特征提取模块提取在各种感受野下的特征;3)三维可视化渲染模块,主要对预测的语义标注做三维重建,通过高斯滤波对CT图像每一层做通过移动四面体法进行三维重建。4)预测结果将反馈给用户,并将用户数据以及预测分析记录作为历史参考数据存入系统服务器中的数据库,以便用户下载和查看;5)经过药物研究者确定后的预测数据可以用于扩充数据集,对模型进行参数调优,不断提升重建的泛化能力。6)模型基于硬件感知自动量化的方案,部署在嵌入式轻量化微处理器中,优化计算和存储开销。

    一种变速压裂对致密储层改造体积影响的实验评价方法

    公开(公告)号:CN118223863A

    公开(公告)日:2024-06-21

    申请号:CN202410524973.9

    申请日:2024-04-29

    IPC分类号: E21B47/00 E21B43/26

    摘要: 一种变速压裂对致密储层改造体积影响的实验评价方法,属于石油开采技术领域,包括:制备标准试样;设计与实际工况对应的变速压裂实验方案;利用声发射监测系统获得实验过程中的能量、破裂点参数;利用点云包络体模型计算压裂改造体积;用所获得到的数据构建数据集进行处理;构建神经网络模型,代入数据集利用拟合误差对模型参数进行调试,得到训练好的神经网络模型;对不同实验方案的岩石裂缝改造体积进行预测;利用正交试验和神经网络多次进行实验,获得最优的压裂方案。本发明能够更加经济高效的评价变速压裂对岩石裂缝改造体积的影响,与实际压裂施工具有对照性,有利于对压裂液注入方式进行预先设计,采用最优的注入方式去进行压裂。

    一种基于深度学习与联邦学习的肝血管与肝肿瘤的智能识别系统

    公开(公告)号:CN117994246A

    公开(公告)日:2024-05-07

    申请号:CN202410291841.6

    申请日:2024-03-14

    摘要: 本发明涉及种基于深度学习与联邦学习的肝血管与肝肿瘤智能识别系统,涉及图像处理、医疗大数据、深度学习、联邦学习领域。包括:1)通过CT扫描仪进行数据采集,获取肝血管及肝肿瘤CT医疗图像;2)数据经过训练组件,采用深度学习算法进行肝血管及肝肿瘤CT医疗图像的处理,得到训练模型;3)用户利用训练组件得到的模型,输入待分析的数据进智能分析组件中,即可得到分割完毕的肝肿瘤与肝血管的相对位置的CT图像,并利用大语言模型自动生成病情诊断结果;4)共享服务组件将接收到的不同计算机的肝血管与肝肿瘤深度学习模型参数进行同态加密与差分隐私处理,保证系统的安全性5)共享服务组件在集合不同计算机的算力后对模型的参数进行更新,再将模型参数传回对应的本地计算机,进一步提高模型的准确性与模型算法效率。

    一种基于深度学习的单细胞类型智能识别方法

    公开(公告)号:CN115481674A

    公开(公告)日:2022-12-16

    申请号:CN202210870732.0

    申请日:2022-07-22

    IPC分类号: G06K9/62 G06N3/04

    摘要: 本发明涉及一种基于深度学习的单细胞类型智能识别方法,包括基于Transformer和卷积神经网络的深度学习神经网络。包括:1)收集整理人类各个组织器官的细胞数据,通过LDA降维方法对原始数据进行降维,进行数据的预处理;2)将处理好的数据输入新的Transformer和卷积神经网络结合的深度学习网络,进行数据的自动特征提取和识别,训练深度学习网络;3)输入线性分类器进行单细胞类型的识别,输出各个类别的可能性。

    一种高压流体注入过程岩石力学参数动态评价装置与方法

    公开(公告)号:CN115266514B

    公开(公告)日:2024-07-02

    申请号:CN202210510232.6

    申请日:2022-05-11

    IPC分类号: G01N15/08

    摘要: 本发明公开了一种高压流体注入过程岩石力学参数动态评价装置,包括岩芯夹持器和计算机控制系统;岩芯夹持器底部设有位移传感器,内部设有固定岩芯试样的围压筒,围压筒两端分别用上端盖和轴压压头封堵,与岩芯夹持器之间形成围压室,用于与围压伺服加载系统连接提供围压,上端盖和轴压压头内设置有与声波监测系统连接的波速测量装置,上端盖分别与流体注入系统和氮气气瓶相连接,用于注入高压流体或氮气,轴压压头与轴压伺服加载系统相连接,用于为岩芯试样提供轴压。本发明还公开了一种高压流体注入过程岩石力学参数动态评价方法,通过监测流体注入过程中岩石的声波波速,实现了对流体注入全过程动态耦合岩石力学参数以准确评价渗透率的变化。

    一种基于深度特征融合编码器的药物-靶标相互作用预测系统

    公开(公告)号:CN114242161A

    公开(公告)日:2022-03-25

    申请号:CN202111314352.0

    申请日:2021-11-08

    IPC分类号: G16B15/30 G16B50/00

    摘要: 本发明涉及一种基于深度特征融合编码器的药物‑靶标相互作用预测系统,涉及生物信息、药物‑靶标相互作用、深度学习领域。包括:1)通过药物‑靶标相互作用数据库进行数据采集,获取相关的数据;2)数据传输特征编码组件,进行药物和蛋白质数据的全局和局部特征的编码;3)经过特征编码之后的数据经过智能预测组件,采用基于深度特征融合编码器的药物‑靶标相互作用预测算法对数据进行特征提取,并通过相互作用特征融合模块进行药物‑靶标相互作用特征的降维和预测;4)预测结果将反馈给用户,并将用户数据以及预测分析记录作为历史参考数据存入药物‑靶标相互作用预测系统服务器中的数据库,以便用户下载和查看;5)经过药物研究者确定后的预测数据可以用于扩充数据集,对模型进行参数调优,不断提升药物‑靶标相互作用预测的准确率。

    基于深度学习的药物间相互作用识别方法

    公开(公告)号:CN114038575A

    公开(公告)日:2022-02-11

    申请号:CN202111323448.3

    申请日:2021-11-08

    IPC分类号: G16H70/40 G16C20/50

    摘要: 本发明涉及一种基于深度学习的药物间相互作用识别算法,涉及医疗大数据、序列数据处理、图数据处理、深度学习领域。包括:1)数据预处理单元,提取药物SMILES字符串中的子结构信息和原子信息;2)将经过预处理的药物信息使用多维特征编码器编码,采用序列编码器和图编码器对药物信息编码,以获得药物多维度特征的高阶表示;3)将药物的多维特征对输入到相互作用识别模块,使用前馈型神经网络识别药物间的相互作用,包含卷积、池化、正则化等操作。使用已经训练好模型可以在未知相互作用数据集上快速的给出对药物间相互作用的识别结果,有助于大规模的药物筛选。本方法能够准确的识别药物间潜在的相互作用有助于判断联合用药的有效性。