-
公开(公告)号：CN119028431B
公开(公告)日：2024-12-31
申请号：CN202411514743.0
申请日：2024-10-29
Applicant: 安徽农业大学
Abstract: 本发明适用于生物信息学领域，具体是一种基于深度学习和长读测序的SNP和INDEL检测方法，包括：对待检测数据进行第一预处理，生成第一叠加图像，将第一叠加图像作为SNP检测模型的输入，输出得到SNP的VCF文件；对待检测数据进行第二预处理，生成第二叠加图像，将第二叠加图像作为INDEL检测模型的输入，输出得到INDEL的VCF文件；利用基于R语言的VcfR数据处理工具，对所得到的VCF文件中的数据进行变异检测和处理，得到基因组上的变异检测结果；使用IGV输出显示基因组上的变异检测结果。本发明使用了深度学习技术和长读测序技术，能够解决传统方法在灵活性与泛化能力、计算效率上的低性能，以及面对复杂问题时短读测序存在的无法检测区域的问题。
-
公开(公告)号：CN119028431A
公开(公告)日：2024-11-26
申请号：CN202411514743.0
申请日：2024-10-29
Applicant: 安徽农业大学
Abstract: 本发明适用于生物信息学领域，具体是一种基于深度学习和长读测序的SNP和INDEL检测方法，包括：对待检测数据进行第一预处理，生成第一叠加图像，将第一叠加图像作为SNP检测模型的输入，输出得到SNP的VCF文件；对待检测数据进行第二预处理，生成第二叠加图像，将第二叠加图像作为INDEL检测模型的输入，输出得到INDEL的VCF文件；利用基于R语言的VcfR数据处理工具，对所得到的VCF文件中的数据进行变异检测和处理，得到基因组上的变异检测结果；使用IGV输出显示基因组上的变异检测结果。本发明使用了深度学习技术和长读测序技术，能够解决传统方法在灵活性与泛化能力、计算效率上的低性能，以及面对复杂问题时短读测序存在的无法检测区域的问题。
-
公开(公告)号：CN119047661B
公开(公告)日：2025-01-28
申请号：CN202411545074.3
申请日：2024-11-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/02 , G01W1/10
Abstract: 本发明适用于农业气象预测领域，具体是基于多尺度卷积网络及扩散系统的农业气象预测方法，包括：利用训练好的多尺度卷积网络对农业气象图像进行初步预测，得到初步预测结果；通过扩散模型对初步预测结果进行处理，对初步预测结果进行处理包括：先通过扩散模型增加噪声捕获时空特征之间的联系，以及后通过多步逆扩散过程逐步消除预测结果中噪声；对基于多尺度卷积网络和扩散模型的预测模型进行训练，得到训练好的预测模型；对于给定的农业气象图像，利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统，显著提升了时空数据对于长期预测结果性能的提高。
-
公开(公告)号：CN119047661A
公开(公告)日：2024-11-29
申请号：CN202411545074.3
申请日：2024-11-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/02 , G01W1/10
Abstract: 本发明适用于农业气象预测领域，具体是基于多尺度卷积网络及扩散系统的农业气象预测方法，包括：利用训练好的多尺度卷积网络对农业气象图像进行初步预测，得到初步预测结果；通过扩散模型对初步预测结果进行处理，对初步预测结果进行处理包括：先通过扩散模型增加噪声捕获时空特征之间的联系，以及后通过多步逆扩散过程逐步消除预测结果中噪声；对基于多尺度卷积网络和扩散模型的预测模型进行训练，得到训练好的预测模型；对于给定的农业气象图像，利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统，显著提升了时空数据对于长期预测结果性能的提高。
-
-
-
Search Results
4
records
(took 0.017 seconds)
