-
公开(公告)号：CN118942669A
公开(公告)日：2024-11-12
申请号：CN202410847760.X
申请日：2024-06-27
Applicant: 复旦大学附属中山医院
IPC: G16H50/20 , G16H50/70 , G16H30/00 , G06F18/241
Abstract: 本发明提供一种基于胸部CT影像的多模态人工智能辅助肺炎鉴别诊断系统及终端，利用涵盖10种肺炎类型的训练样本中的胸部CT图像以及临床文本信息分别构建影像分类器以及非影像分类器，以建立肺炎鉴别诊断模型；基于肺炎鉴别诊断模型，根据输入的肺炎病例的胸部CT图像以及临床文本信息，获得对应的肺炎鉴别结果。本发明可实现鉴别10种肺炎类型，并且准确性极高。临床医生可依据此诊断结果，有针对性地制定微生物送检或诊断策略，实施目标性抗感染治疗，从而显著减少不必要的抗菌药物使用，提升治疗效果以及减少误诊漏诊。
-
公开(公告)号：CN116192477A
公开(公告)日：2023-05-30
申请号：CN202310068592.X
申请日：2023-02-06
Applicant: 复旦大学
IPC: H04L9/40
Abstract: 本发明属于机器学习技术领域，具体为一种基于掩码图自编码器的APT攻击检测方法和装置。本发明方法包括：待检测安全日志数据进行预处理，构建网络攻击溯源图并提取节点和边的原始类别；构建并训练基于掩码节点特征重建和结构重建的图注意力自编码器，作为特征提取模型；将待检测溯源图输入特征提取模型，得到溯源图中节点的特征向量；根据节点或溯源图自身的特征向量，使用无监督离群点检测算法检测异常节点并识别出APT攻击。本发明可大大降低APT攻击检测对于稀缺的攻击数据的依赖，可降低结构重建的计算量且提高掩码图自编码器对图结构的表示能力。本发明的APT攻击检测精度显著高于、且计算开销显著低于现有APT攻击检测方法。
-
公开(公告)号：CN109948649B
公开(公告)日：2023-03-24
申请号：CN201910109178.2
申请日：2019-02-04
Applicant: 复旦大学
IPC: G06F18/214 , G06F18/213 , H04L9/40 , G06N3/044
Abstract: 本发明属于大数据技术领域，具体为一种面向数据开放共享的软件访问行为数据特征表示方法。本发明方法直接接收使用者的软件访问行为数据序列，输出该行为数据序列的特征表示向量。本发明设计了单时刻的行为数据编码器，用于对单个时间点中的多组行为数据进行汇总，并利用自注意力机制抽取重要的行为事件；汇总后的单时间点数据输入到循环神经网络中，对行为序列进行表示，最后从中提取整个序列的特征表示。本发明利用预测编码对单时间点编码器与循环神经网络的参数进行训练，并加入生成对抗网络提升模型效果，有助于对使用者访问行为进行分析，了解使用者的使用需求，及时对软件访问行为进行监管，为推动数据自治开放提供安全保障。
-
公开(公告)号：CN109948649A
公开(公告)日：2019-06-28
申请号：CN201910109178.2
申请日：2019-02-04
Applicant: 复旦大学
Abstract: 本发明属于大数据技术领域，具体为一种面向数据开放共享的软件访问行为数据特征表示方法。本发明方法直接接收使用者的软件访问行为数据序列，输出该行为数据序列的特征表示向量。本发明设计了单时刻的行为数据编码器，用于对单个时间点中的多组行为数据进行汇总，并利用自注意力机制抽取重要的行为事件；汇总后的单时间点数据输入到循环神经网络中，对行为序列进行表示，最后从中提取整个序列的特征表示。本发明利用预测编码对单时间点编码器与循环神经网络的参数进行训练，并加入生成对抗网络提升模型效果，有助于对使用者访问行为进行分析，了解使用者的使用需求，及时对软件访问行为进行监管，为推动数据自治开放提供安全保障。
-
公开(公告)号：CN117874482A
公开(公告)日：2024-04-12
申请号：CN202311342404.4
申请日：2023-10-16
Applicant: 深圳市财付通网络金融小额贷款有限公司 , 复旦大学
IPC: G06F18/213 , G06F18/24 , G06F9/50 , G06Q40/04 , G06F123/02
Abstract: 本申请涉及数据技术领域，尤其涉及人工智能技术领域，提供一种交互数据的处理方法、装置、电子设备和存储介质，用以提高交互数据的分析效率和准确性。其中，方法包括：获取基于待处理的交互序列数据构建的交互图；根据交互图中每个节点各自对应的初始中心度，从交互图中选取多个目标节点；根据多个目标节点，将交互图划分为多个子图，且部分子图中存在至少一个共享节点，共享节点属于目标节点；基于不同的计算节点，对多个子图中的节点分别进行特征提取，获得多个子图中每个节点各自对应的交互行为特征，并根据每个节点各自的交互行为特征，执行目标下游任务，该方法在图分割的过程中融入了时序信息，可有效提高交互数据的分析效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN116451684A
公开(公告)日：2023-07-18
申请号：CN202310415786.2
申请日：2023-04-18
Applicant: 复旦大学
IPC: G06F40/279 , G06F40/216 , G06N3/08
Abstract: 本发明属于自然语言处理技术领域，具体为一种网络协议文档标注和有限状态机提取的方法及装置。本发明包括：获取待标注的协议文档目标文本，并预处理；根据数据分布的先验以及领域知识，为状态机角色类别标签构造标签模型,作为类别虚拟标签词嵌入到掩码语言模型词典中；根据目标文本中各短句的语义以及上下文信息，利用标签模型学习其特征表示向量；再利用特征表示向量为短句分类并标注标签，以此代表描述状态机各功能角色的文本；根据标注分类后的文本及其标签以XML的形式构建协议文本的中间表示，从中间表示中抽取有限状态机。本发明采用无模版提示学习提高模型在缺少大量训练数据和零样本测试情况下的标注协议文本性能，提升提取状态机效果。
-
公开(公告)号：CN111985623A
公开(公告)日：2020-11-24
申请号：CN202010882758.8
申请日：2020-08-28
Applicant: 复旦大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06F16/906
Abstract: 本发明提供了基于最大化互信息和图神经网络的属性图群组发现方法，其特征在于，包括步骤：利用预先训练好的图神经网络对待处理矩阵进行表征学习得到初步节点表征，并对待处理属性图进行互信息计算得到全局互信息值；利用软聚类将初步节点表征划分到多个群组的中心得到分配矩阵；根据分配矩阵对原始群组进行模块度以及待处理属性图内的互信息计算得到模块度值以及群组互信息；根据模块度值、群组互信息以及全局互信息值计算总损失，并根据该总损失通过梯度回传对图神经网络进行迭代更新直到得到群组发现结果。本方法可以实现端到端的更新图神经网络不需要分步实现，并且能更好地捕捉节点属性关系，得到准确性更高的群组发现结果。
-
公开(公告)号：CN107609589A
公开(公告)日：2018-01-19
申请号：CN201710816615.5
申请日：2017-09-12
Applicant: 复旦大学
Abstract: 本发明属于大数据技术领域，具体为一种复杂行为序列数据的特征学习方法。本发明核心是定义一个行为事件的概率表达式以便通过对观测到的数据集进行极大似然估计来求解。为此，假设一个事件发生的概率大小取决于其字段之间是否相容，首先将复杂行为事件中每一个字段都通过嵌入转换为欧式空间中的多维向量表示，对字段的向量两两进行内积运算，作为其相容程度的度量，然后进行加权求和，进一步通过指数运算与归一化，作为单个事件的概率。本发明方法通过分析复杂行为序列数据集，以无监督的方式自动生成指定实体的特征向量，得到较低维度的特征向量，作为后续机器学习、数据挖掘任务的特征，无需专家手工设计特征。
-
公开(公告)号：CN118562797A
公开(公告)日：2024-08-30
申请号：CN202410671411.7
申请日：2024-05-28
Applicant: 复旦大学附属中山医院
Inventor： 胡必杰 , 徐丹 , 王青青 , 缪青 , 潘珏 , 周春妹 , 张尧 , 苏逸 , 王萌冉 , 钱奕亦 , 王苏珍 , 高晓庆 , 韩序 , 王珺 , 方昭青 , 李春雪 , 张鑫鑫
IPC: C12N15/113 , C12Q1/6895 , C12Q1/686 , C12N15/11 , C12R1/68 , C12R1/685 , C12R1/66 , C12R1/785 , C12R1/77 , C12R1/645
Abstract: 本发明公开一种基于CRISPR/Cas系统的真菌检测试剂、试剂盒及检测方法，属于真菌病原体检测技术领域。本发明提出一种结合ITS序列分析和CRISPR/Cas系统的创新真菌检测方法，首先通过PCR技术针对性地扩增目标真菌的ITS序列，再利用CRISPR/Cas系统的高度特异性，设计针对目标真菌ITS序列的sgRNA，实现对特定真菌种类的精准检测。经过PCR‑CRISPR两级信号放大，提高灵敏度和特异性，操作简单、成本低、时间短，对真菌的临床诊断具有重大的指导意义。
-
公开(公告)号：CN114091660A
公开(公告)日：2022-02-25
申请号：CN202111407500.3
申请日：2021-11-24
Applicant: 复旦大学
Abstract: 本发明属于大数据技术领域，具体为一种基于模仿学习和数据增强的两阶段半监督群组发现方法。本发明通过种子选择‑种子扩张来完成群组发现任务，即给定少部分已知群组，识别出网络中其余与之相似的群组；种子选择阶段，建模种子选择器为回归器，并在已知群组中提取参与群组数量不同的节点对，以成对方式训练回归器，选择位于潜在群组内的节点作为种子节点；种子扩张阶段，建模种子扩张器为决策器，并在已知群组中提取出种子扩张轨迹，使用模仿学习训练决策器，并针对扩张阶段序列决策容易发生级联错误问题，通过数据增强辅助决策器的训练，通过正确决策完成由一个种子节点到一个局部群组的扩张过程。本发明有效提升了输出群组结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
