公开(公告)号：CN115413868A

公开(公告)日：2022-12-02

申请号：CN202211144669.9

申请日：2022-09-20

申请人： 南通先进通信技术研究院有限公司 ,  南通大学

发明人： 王理 ,  邵劲松 ,  尹泽宇 ,  陈宇 ,  郝亚杰 ,  杨永杰

IPC分类号： A44C5/00 ,  A44C5/14 ,  A44C5/20

摘要： 本发明公开了一种基于5G通信技术的医疗呼叫装置，属于医疗辅助设备技术领域，包括呼叫组件，所述呼叫组件包括外壳体和安装在外壳体内部的医疗呼叫系统；所述医疗呼叫系统包括扬声器、语音录入器、蓄电池模块、5G通讯模块、控制器、北斗定位模块、睡眠监测模块、身份识别模块、心跳监测器和无线充电模块；外壳体的侧面安装有用于启动语音录入器的启动按钮。通过上述方式，本发明可佩戴在患者身上，方便移动，若病人在病床外发生突发状况，按动启动按钮录入语言即可联系护士台，可及时联系护士。本发明不仅具有呼叫功能，还可以监测病人的睡眠质量、心率等健康信息，便于护士台了解病人的睡眠、心率等信息。

公开(公告)号：CN113343710B

公开(公告)日：2023-09-29

申请号：CN202110726042.3

申请日：2021-06-29

申请人： 南通大学 ,  南通先进通信技术研究院有限公司

发明人： 王理 ,  尹泽宇 ,  潘文洁 ,  邵劲松 ,  姚敏 ,  黄勋

IPC分类号： G06F40/30 ,  G06F40/295 ,  G06F18/22 ,  G06N3/048 ,  G06N3/088

摘要： 本发明公开了一种基于Ising模型的无监督词嵌入表示学习方法，包含以下步骤S1.将输入的文本数据实体依照Ising Model构建稀疏矩阵WISM；S2.将WISM经过SLEP得到全局关系矩阵WWCM；S3.构建批次文本数据实体集Batchi；S4.依次将n个Batchi输入至Word2vec模型，利用Skip‑Gram框架结合负采样的方法得到各实体Vmij的梯度#imgabs0#及#imgabs1#步骤S5.利用局部关系矩阵Wscm结合梯度#imgabs2#更新辅助向量θu，利用负关系矩阵WNCM结合梯度#imgabs3#更新Vmij的词嵌入Veij，本发明通过利用引入由Ising模型获取的带有全局信息的矩阵结合梯度不断更新辅助向量θu及词嵌入Veij，在Word2vec训练过程中引入全局关系得分，本发明的词嵌入表示学习方法准确性高。

公开(公告)号：CN113343710A

公开(公告)日：2021-09-03

申请号：CN202110726042.3

申请日：2021-06-29

申请人： 南通大学 ,  南通先进通信技术研究院有限公司

发明人： 王理 ,  尹泽宇 ,  潘文洁 ,  邵劲松 ,  姚敏 ,  黄勋

IPC分类号： G06F40/30 ,  G06F40/295 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于Ising模型的无监督词嵌入表示学习方法，包含以下步骤S1.将输入的文本数据实体依照Ising Model构建稀疏矩阵WISM；S2.将WISM经过SLEP得到全局关系矩阵WWCM；S3.构建批次文本数据实体集Batchi；S4.依次将n个Batchi输入至Word2vec模型，利用Skip‑Gram框架结合负采样的方法得到各实体Vmij的梯度及步骤S5.利用局部关系矩阵Wscm结合梯度更新辅助向量θu，利用负关系矩阵WNCM结合梯度更新Vmij的词嵌入Veij，本发明通过利用引入由Ising模型获取的带有全局信息的矩阵结合梯度不断更新辅助向量θu及词嵌入Veij，在Word2vec训练过程中引入全局关系得分，本发明的词嵌入表示学习方法准确性高。

公开(公告)号：CN113946647A

公开(公告)日：2022-01-18

申请号：CN202111222447.X

申请日：2021-10-20

申请人： 南通大学

发明人： 王理 ,  潘文杰 ,  尹泽宇 ,  邵劲松

IPC分类号： G06F16/31 ,  G06F16/36 ,  G06F16/28

摘要： 本发明提供了一种基于医学实体向量的DDIs搜索引擎及其构建方法，其中构建方法包含以下步骤：S1：命名实体识别和数据库构建；S2：文献医学实体向量构建；S3：DDI二分类和四分类。由于其与Ising模型和Skip‑Gram模型的结合，它考虑了医学实体的全局和局部关系。医学实体向量的有用性可以在DDI任务中得到很好的证明。结果显示，我们的方法在DDI二分类任务中的F1值高达0.988，在DDI四分类任务中的F1值为0.993，优于以前的方法。

公开(公告)号：CN115910236A

公开(公告)日：2023-04-04

申请号：CN202211407672.5

申请日：2022-11-10

申请人： 南通大学

发明人： 王理 ,  郝亚杰 ,  陈宇 ,  尹泽宇 ,  邵劲松

IPC分类号： G16C20/70 ,  G16C20/90 ,  G16C20/30 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06N5/025

摘要： 本发明提供一种基于知识图增强和注意力分配的多维特征表示学习模型，为了解决现有技术中的相关问题，探索了多维度分子特征编码，并结合化学元素知识图谱，提出了MKGA模型。该模型包括三个子模块，从分子Smiles编码、分子图编码，以及特征融合预测。因此，该模型可以从1D语义及2D拓扑结构的角度学习分子特征。在分子图编码的过程中，还加入了CKG对分子图表示进行改进。考虑到分子图中不同原子对于分子性质影响程度的不同，我们设计了一种特征注意来校准分子图编码中不同原子的注意力权重。

公开(公告)号：CN115691701A

公开(公告)日：2023-02-03

申请号：CN202211405805.5

申请日：2022-11-10

申请人： 南通大学

发明人： 王理 ,  陈宇 ,  郝亚杰 ,  尹泽宇 ,  邵劲松

IPC分类号： G16C20/30 ,  G16C20/70 ,  G06F18/25 ,  G06N3/0455

摘要： 本发明提供一种基于注意力机制的多维特征融合的分子性质预测的模型，所述模型包括分子1D序列特征向量生成模块、分子2D原子图特征向量生成模块、分子3D结构特征向量生成模块及多维特征融合模块，其中所述分子3D结构特征向量生成模块使用SphereNet作为特征解码器。基于注意力机制的多维特征编码器能够从多个维度处理药物分子的SMILES字符串，从不同的角度获取特征信息，使得编码信息更全面。使用多维度特征的融合能够进一步压缩药物特征向量，高质量的编码能够将特征与预测结果密切关联。

公开(公告)号：CN113921094A

公开(公告)日：2022-01-11

申请号：CN202111194037.9

申请日：2021-10-13

申请人： 南通大学

发明人： 王理 ,  邵劲松 ,  尹泽宇 ,  潘文洁

IPC分类号： G16C20/50 ,  G16C20/30

摘要： 本发明提供一种基于表示学习的抗HBV小分子药物预测模型及其构建方法，涉及药物研究技术领域，通过对SMILES编码的处理，使用NLP的方法对SMILES编码进行表示学习。使用机器学习方法对SMILES编码的空间向量的有监督分类模型，在该模型中分类预测小分子对特定靶点的活性。与现有技术相比，在不同靶点数据集上体现出优于传统Word2vec的性能。与此同时，在训练向量后的下游任务中，在预测化合物对HBV抑制率和对肝细胞毒性方面都产生了确定性的优势，具备较好筛选潜在抗HBV药物的能力。该方法可用于广泛的应用于其他不同靶点化合物的类药性预测，从而简化药物研发流程。