-
公开(公告)号：CN117316295B
公开(公告)日：2024-11-15
申请号：CN202311177280.9
申请日：2023-09-13
Applicant: 哈尔滨工业大学
IPC: G16B40/20 , G16B20/50 , G16B20/30 , G06F18/2413 , G06F18/2431 , C12Q1/6869
Abstract: 一种基于细胞异质性基因与通路功能的内分泌疾病细胞识别方法，它涉及一种内分泌疾病细胞识别方法。本发明为了解决现有细胞功能识别方法存在局限性的问题。本发明的步骤包括步骤1、提取细胞关联基因特征；步骤2、扩增细胞关联基因；步骤3、预测细胞异质性基因；步骤4、识别内分泌疾病细胞功能。本发明属于内分泌疾病细胞功能识别技术领域。
-
公开(公告)号：CN115458045B
公开(公告)日：2023-05-23
申请号：CN202211120418.7
申请日：2022-09-15
Applicant: 哈尔滨工业大学
IPC: G16B15/30 , G16H70/40 , G16B40/00 , G06N3/0464
Abstract: 本发明提出一种基于异构信息网络和推荐系统的药物对相互作用预测方法。所述方法使用神经因式分解机NFM搭建推荐系统，结合推荐系统和异构信息网络形成网络预测模型，用于进行药物对之间的关系预测；将训练集中的药物对输入到上述模型，对该模型进行训练；经过多次迭代后，得到最终的预测模型；将测试集中的药物对输入到最终的预测模型中，得到预测结果，并进行结果分析。本发明所述的异构信息网络可以融合多种类型的信息数据，通过图神经网络等技术可以提取节点的关系和邻域信息，本发明通过合理的利用异构信息网络，更有效地提取了药物与药物的相互作用关系。
-
公开(公告)号：CN115588462A
公开(公告)日：2023-01-10
申请号：CN202211121535.5
申请日：2022-09-15
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及基于迁移学习的预测方法，属于大数据分析技术领域，本发明为了解决现有的肽和主要组织相容性复合物结合请合理算法准确性和特异性，相对实际应用有待改进的问题。本发明通过如下步骤实现的：步骤一、对pepRoBERTa训练层进行预训练；步骤二、通过softmax激活函数获得概率分布，获得模型的序列特征；步骤三、对步骤二中得到的模型进行微调；步骤四、对步骤三中微调后的模型进行嵌入并通过RoBERTa训练层和输出层得出结果。本发明不仅利用了肽和MHCI类蛋白结合亲和力数据，并融合了无标签蛋白的序列特征。
-
公开(公告)号：CN111508612A
公开(公告)日：2020-08-07
申请号：CN202010267147.2
申请日：2020-04-08
Applicant: 哈尔滨工业大学
IPC: G16H50/70
Abstract: 本发明公开了一种基于疾病和文献关联的代谢物预测方法。步骤1：构建疾病名称词汇表，利用疾病词汇表进一步扩展疾病本体的应用范围；步骤2：利用已知的疾病相似度计算代谢物的相似度，为关联预测提供支持；步骤3：通过已知疾病以及文献关联相似性的代谢物相似度计算，最终得到疾病相关的代谢物关联网络；步骤4：通过疾病相关的代谢物关联网络进行代谢物预测。本发明实现通过一个新的疾病相关代谢物网络，并利用该网络识别潜在的疾病相关代谢物。
-
公开(公告)号：CN109674469A
公开(公告)日：2019-04-26
申请号：CN201910002013.5
申请日：2019-01-02
Applicant: 哈尔滨工业大学
CPC classification number: A61B5/048 , A61B5/4094 , A61B5/725 , A61B5/7257 , A61B5/7267
Abstract: 基于CNN模型的癫痫发作预警算法，是一种基于深度学习的早期癫痫发作预警方法。该发明提出了一种基于CNN模型的癫痫发作预警算法,旨在实现一种癫痫发作预警系统。该算法首先对在IEEG监测下的癫痫患者颅内脑电图(EEG)数据进行预处理，然后基于CNN模型并通过Softmax,Minmax,和Median来标准化预测原始结果，分析基于CNN模型提取癫痫患者EGG数据的ROC曲线和灵敏度特异性分析曲线，得到基于CNN模型的原始预测AUC值。该算法的原始预测AUC值为0.790，也就是说该算法的CNN模型已经学到了预测癫痫的关键信息，能够准确预测基于脑电数据集的癫痫发作时或癫痫发作前状态变化。该算法可用于控制癫痫发作，并可提醒患者何时需要注意驾驶或游泳等潜在危险的活动。
-
Patent Agency Ranking
公开(公告)号：CN117153393A
公开(公告)日：2023-12-01
申请号：CN202311105379.8
申请日：2023-08-30
Applicant: 哈尔滨工业大学
IPC: G16H50/30 , G16H10/60 , G16H15/00 , G06F18/241 , G06F18/2132 , G06N3/0455 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多模态融合的心血管疾病风险预测方法。获取医疗数据集中的病患体征数据；对病人在医院期间产生的各类文本报告进行聚合；将获取的病患体征数据使用图神经网络GNN‑encoder作为时序主干的网络，进行时序特征的提取；将聚合的各类文本报告中病患文本报告使用基于预训练的分层BioBERT模型作为语言主干网络，进行文本特征的提取；将时序特征和文本特征拼接在一起，通过一个自注意力深度融合网络，得到融合后的特征作为病患身体状况在特征空间上的嵌入向量；构造一个基于多层感知机的二元分类器，得到是否患有心血管疾病的二分类结果；构造一个基于多层感知机的多元分类器，得到预测的病人所患亚型。本发明用以解决医学文本数据集存在的文本报告过长，难以在不损失全文信息的同时有效提取语义特征的问题。
-
公开(公告)号：CN111508612B
公开(公告)日：2023-09-22
申请号：CN202010267147.2
申请日：2020-04-08
Applicant: 哈尔滨工业大学
IPC: G16H50/70
Abstract: 本发明公开了一种基于疾病和文献关联的代谢物预测方法。步骤1：构建疾病名称词汇表，利用疾病词汇表进一步扩展疾病本体的应用范围；步骤2：利用已知的疾病相似度计算代谢物的相似度，为关联预测提供支持；步骤3：通过已知疾病以及文献关联相似性的代谢物相似度计算，最终得到疾病相关的代谢物关联网络；步骤4：通过疾病相关的代谢物关联网络进行代谢物预测。本发明实现通过一个新的疾病相关代谢物网络，并利用该网络识别潜在的疾病相关代谢物。
-
公开(公告)号：CN109656910B
公开(公告)日：2021-04-13
申请号：CN201811487666.9
申请日：2018-12-06
Applicant: 哈尔滨工业大学
IPC: G06F16/21 , G06F16/28 , G06F16/215 , G06F16/248 , G06F16/242
Abstract: 本发明是可扩展的大规模生物医学样本可视化平台。所述平台包括样本统计模块、可视化模块、检索模块和mongodb数据库系统。用户登录所述平台进行身份和权限验证，用户完成权限验证后，用户向所述平台添加数据信息上传。对添加的数据信息进行质量检查，通过质量检查的数据信息存入mongodb数据库系统。用户通过多条件综合检索mongodb数据库中存在的样本信息，查看检索结果的统计。检索完成后，所述平台对样本搜索结果进行统计，以可视化图表等形式呈现给用户。本发明针对海量生物医学样本，实现更方便的分布式部署和可扩展存储，同时能提供更便捷的操作，极大的提高了生物医学样本管理与使用效率。
-
公开(公告)号：CN110060741A
公开(公告)日：2019-07-26
申请号：CN201910355068.4
申请日：2019-04-29
Applicant: 哈尔滨工业大学
IPC: G16B45/00 , G06F3/0487 , G06F3/0484
Abstract: 本发明是基于JavaScript的交互式网页生物数据可视化方法。本发明BioCircos2是根据不同生物大数据的特征与展示的需要，在JavaScript中的D3与JQuery两个库的基础上，集成与开发了处理与展示各数据所需的高度可定制化模块，同时可为各模块加入了网页中鼠标的交互与动画特性。所述BioCircos2提供21种模型来展现基因组上突变、基因表达和生物分子之间的联系信息，每个模块都具有极高的可编辑性。基于本方法，研究人员不用自行处理与转换生物大数据，不需要安装和配置Perl语言，更不需要学习和处理Circos中大量，复杂的参数。
-
公开(公告)号：CN117037897B
公开(公告)日：2024-06-14
申请号：CN202310878264.6
申请日：2023-07-18
Applicant: 哈尔滨工业大学
IPC: G16B15/30 , G16B40/00 , G06F40/242 , G06F40/284 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于蛋白质结构域特征嵌入的肽与MHCI类蛋白亲和力预测方法。该基于蛋白质结构域特征嵌入的肽与MHCI类蛋白亲和力预测方法利用多头注意力学习肽键与氨基酸残基特征，进行肽与MHCI类蛋白亲和力预测，本发明提出的预测方法与现有其他方法相比较，预测结果准确，满足实际需求。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.026 seconds)
