公开(公告)号：CN114550840A

公开(公告)日：2022-05-27

申请号：CN202210178048.6

申请日：2022-02-25

申请人： 杭州电子科技大学

发明人： 薛凌云 ,  赵阳 ,  徐平 ,  闻路红 ,  刘亦安 ,  严明 ,  胡舜迪

IPC分类号： G16C20/20 ,  G06N3/04 ,  G06K9/62 ,  G06N3/08

摘要： 本发明公开一种基于孪生网络的芬太尼类物质检测方法及其装置。获取待检测物质的质谱数据并进行标准化处理，利用芬太尼类物质检测模型对待检测物质进行分类。芬太尼类物质检测模型训练时由孪生网络和分类网络构成检测模型，孪生网络包括两个共享权重的特征提取网络；测试时将训练好的孪生网络中任意一个特征提取网络删除后与分类网络级联。以样本对作为孪生网络的输入，大大增加了用于模型训练的样本数据，有效的解决了有监督学习方法在芬太尼类物质检测任务上的小样本难题。在损失函数的设计中，加入对比损失函数，最大化类间差异，最小化类内差异，使提取的特征更具有区分性，提高了检测模型的性能。

公开(公告)号：CN114550840B

公开(公告)日：2024-09-17

申请号：CN202210178048.6

申请日：2022-02-25

申请人： 杭州电子科技大学

发明人： 薛凌云 ,  赵阳 ,  徐平 ,  闻路红 ,  刘亦安 ,  严明 ,  胡舜迪

IPC分类号： G16C20/20 ,  G06F18/211 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/045 ,  G06N3/084

摘要： 本发明公开一种基于孪生网络的芬太尼类物质检测方法及其装置。获取待检测物质的质谱数据并进行标准化处理，利用芬太尼类物质检测模型对待检测物质进行分类。芬太尼类物质检测模型训练时由孪生网络和分类网络构成检测模型，孪生网络包括两个共享权重的特征提取网络；测试时将训练好的孪生网络中任意一个特征提取网络删除后与分类网络级联。以样本对作为孪生网络的输入，大大增加了用于模型训练的样本数据，有效的解决了有监督学习方法在芬太尼类物质检测任务上的小样本难题。在损失函数的设计中，加入对比损失函数，最大化类间差异，最小化类内差异，使提取的特征更具有区分性，提高了检测模型的性能。

公开(公告)号：CN114997303A

公开(公告)日：2022-09-02

申请号：CN202210600879.8

申请日：2022-05-30

申请人： 杭州电子科技大学

发明人： 薛凌云 ,  刘新平 ,  徐平 ,  闻路红 ,  刘亦安 ,  严明 ,  胡舜迪 ,  陈安琪 ,  赵阳 ,  许洋洋

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种基于深度学习的膀胱癌代谢标志物筛选方法及系统，通过基于变分自编码器网络，从编码特征出发，结合反向传播对权重值大小排序，设置阈值条件进行质荷比特征筛选，极大地降低了特征维度；提出了一种基于样本相似度的缺失值插补方法，主要利用模糊C均值聚类、K最近邻法和基于贝叶斯岭回归的迭代插补对缺失值插补，有利于提升后续数据挖掘的性能和缩短插补时间。对神经网络筛选的特征使用递归特征消除方法，减小其计算复杂度。所筛选得到代谢物离子的质荷比在公开报道里有所体现，这一组质荷比特征的灵敏度、特异性及曲线下面积(AUC)均大于0.9，能够准确的反应膀胱癌患者和健康人员的代谢谱差异。