-
公开(公告)号：CN110619322A
公开(公告)日：2019-12-27
申请号：CN201910994903.9
申请日：2019-10-18
IPC分类号： G06K9/00 , G06K9/62 , G06N3/04 , G16H50/20 , A61B5/0468
摘要： 本发明公开了一种基于多流态卷积循环神经网络的多导联心电异常信号识别方法及系统，其中的方法包括：首先对获取的多导联心电数据进行去噪处理；然后搭建用于提取心电数据不同尺度的波形特征的多流态CNN模型，接着对提取的不同尺度的波形特征进行融合；接下来搭建用于提取融合后的波形特征中的时序特征的双向RNN模型；再将多流态CNN模型与双向RNN模型拼接成多流态卷积循环神经网络模型，并进行训练与微调；最后，将待处理的多导联心电数据进行去噪处理后，输入优化后的多流态卷积循环神经网络模型，获得异常信号识别结果。本发明增加了特征提取的特征量，减少了特征提取的难度，提高了分类识别的准确性以及模型的泛化能力。
-
公开(公告)号：CN114360659B
公开(公告)日：2024-11-08
申请号：CN202111570217.2
申请日：2021-12-21
申请人： 武汉大学
摘要： 本发明提供了一种结合与或树与单步反应规则预测的生物逆合成方法及系统，其中的方法在对目标分子进行逆合成处理时，将目标分子的逆合成途径生成分解为多步单步反应规则预测。在单步反应规则预测时，上一步预测得到的反应规则的底物分子作为当次待预测反应规则的产物分子。以产物分子的SMILES序列作为输入，自定义计算产物分子的分子特征，以兼容多种单步反应规则预测模型。根据模型的预测结果确定反应规则，再基于与或树结构进行扩展。最终找到目标分子的潜在合成途径。本发明显著提高了找到可行合成途径的速度，不需人工设置复杂参数，能辅助生物学家更加快速地找到潜在的代谢途径，减少实验成本，提高实验效率。
-
公开(公告)号：CN113628699B
公开(公告)日：2023-03-17
申请号：CN202110756061.0
申请日：2021-07-05
申请人： 武汉大学
摘要： 本发明提供的基于改进的蒙特卡罗强化学习方法的逆合成问题求解方法及装置，方法包括：步骤1.将待求解逆合成的目标化合物作为根节点，选择改进的UCT函数值最高的作为最佳子节点；步骤2.执行扩展动作产生新的子节点；步骤3.若迭代产生的所有产物都出现在代谢空间代谢物底盘菌株上，即得到了最终结果，将根据奖励政策返还奖励或罚款；否则，从可用的变换中随机采样反应规则，应用于当前化合物；计算子节点的策略产物和代谢物底盘菌株或可买到的化学产物的集合的Tanimoto得分；剔除排序靠后的反应规则；步骤4.将当前节点获得的Tanimoto得分返回给其父节点；步骤5.循环直到终止，得到逆合成求解结果。
-
公开(公告)号：CN111242242B
公开(公告)日：2022-04-12
申请号：CN202010125696.6
申请日：2020-02-27
申请人： 武汉大学
IPC分类号： G06K9/62 , G06N3/04 , G06V10/774 , G06V10/764
摘要： 本发明公开了一种基于置信度选择的宫颈组织病理全玻片图像自动分类方法包括：S1：将宫颈组织病理全玻片图像切分为设定大小的小块，每张全玻片图像生成的小块集合为一个包，去除包中空白块。S2：搭建CNN模型。S3：训练CNN指定轮数。S4：依次排列连接作为全玻片图像的特征向量。S5：对支持向量机分类器进行训练。S6:将需要进行分类的宫颈组织病理全玻片图像经S1及S4处理，得到该图像的特征向量，输入训练好的支持向量机分类器，实现分类。本发明使用基于置信度选择的宫颈组织病理全玻片图像自动分类方法，辅助给医生提供参考，减低误诊、漏诊率，减少人工诊断所需的工作量，提高诊断效率。
-
公开(公告)号：CN112599187B
公开(公告)日：2022-03-15
申请号：CN202011510053.X
申请日：2020-12-18
申请人： 武汉大学
摘要： 本发明公开了一种基于双流神经网络预测药物与靶标蛋白结合分数的方法，包括：S1、根据药物的SMILES序列生成药物的指纹向量；S2、根据靶标蛋白的氨基酸序列生成靶标蛋白的指纹向量；S3、将蛋白指纹和药物指纹输入非卷积神经网络，将蛋白序列与药物序列输入卷积神经网络；S4、利用attention机制融合两种神经网络提取的特征；S5、将融合的特征输入多层感知机，得到最终的双流神经网络，进而得到药物与靶标蛋白结合分数。本发明通过融合两种类别神经网络的方法，来提取单一神经网络难以提取完全的特征，再通过多层感知机预测药物与靶标蛋白结合分数，提升模型在药物与靶标蛋白结合分数预测上的准确率。
-
公开(公告)号：CN112884737A
公开(公告)日：2021-06-01
申请号：CN202110183836.X
申请日：2021-02-08
申请人： 武汉大学
摘要： 本发明公开了一种基于多级迭代的乳腺癌病理图像中有丝分裂自动检测方法，含步骤：S1：筛选有丝分裂与非有丝分裂候选集；S2：对训练集中的有丝分裂候选集进行数据增强；S3：搭建深度神经网络模型，随机初始化参数；S4：将S2的训练集放入S3搭建的模型中L轮训练，保存验证集F1值最高一轮的值及参数；S5：将前一步保存的参数作为初始化参数重新放入S3搭建的模型中再次训练L轮，保存该次最高的F1值及参数；S6:比较前两步保存的F1值，若后者提高，重复S5，直至验证集中F1值不再提高。本发明实现了高准确性的乳腺癌组织病理图像中有丝分裂自动检测功能，辅助病理医生对病人快速诊断。
-
公开(公告)号：CN112488234A
公开(公告)日：2021-03-12
申请号：CN202011454778.1
申请日：2020-12-10
申请人： 武汉大学
摘要： 本发明公开了一种基于注意力池化的端到端组织病理图像分类方法，该方法的具体步骤包括：S1：将组织病理图像切分成指定大小的切片，去除背景区域过多的切片，剩余的切片组成一个包。S2：将S1中得到的包作为输入，利用标准的多示例学习的方法训练一个深度神经网络。S3：使用训练后的深度神经网络对所有的切片打分，取每张全玻片图像得分最高和最低的m张切片，集合为一个新的包。S4：搭建一个包含注意力模块的深度神经网络，使用步骤S3得到的新包训练该网络。S5：将待分类的组织病理图像经S1和S3处理后，使用S4得到的模型进行分类。本发明可以在当前只有少量样本的情形下得到较好的分类效果，为医生提供辅助诊断机制，缓解医疗资源紧张的问题。
-
公开(公告)号：CN110584649B
公开(公告)日：2021-01-15
申请号：CN201910849077.9
申请日：2019-09-09
申请人： 武汉大学
摘要： 本发明公开了一种动态单导心电图中异常心电信号识别方法及系统，首先对获得的原始动态单导心电数据进行预处理；然后对预处理后的心电信号数据进行质量评估，质量评估结果分为质量可接受的心电信号数据和质量不可接受的心电信号数据；接着对质量可接受的心电信号数据进行拼接；接下来利用拼接后的质量可接受的心电信号数据对预先构建的心电分类模型进行训练优化，获得训练好的心电分类模型；最后将待识别的动态单导心电图进行预处理、质量评估以及数据拼接的处理，输入训练好的心电分类模型，获得分类识别结果。本发明的方法可以大大提高识别和分类的准确性。
-
公开(公告)号：CN111990989A
公开(公告)日：2020-11-27
申请号：CN202010894295.7
申请日：2020-08-31
申请人： 武汉大学
IPC分类号： A61B5/0402 , A61B5/0452 , A61B5/04
摘要： 本发明提供了一种基于生成对抗网络及卷积循环神经网络的单导联心电异常信号识别方法，其主要解决了数据集中样本不平衡的问题，将数据集中数据量较少的类别进行数据增强，然后再进行心电异常信号的识别分类，辅助给医生提供参考，降低误诊、漏诊率，减轻医生的工作量；应用生成对抗网络使得数据集中的样本达到相对平衡，从而进行卷积循环神经网络的训练，以达到更好的分类效果。
-
公开(公告)号：CN116486401A
公开(公告)日：2023-07-25
申请号：CN202310405303.0
申请日：2023-04-14
申请人： 武汉大学
IPC分类号： G06V20/69 , G06V10/25 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于多尺度特征聚合的肉芽肿圆形表示定位方法及系统，首先采集组织病理图像；然后通过检测网络的Patch Embedding模块进行初步的特征编码和提取；接着通过检测网络的多个多尺度注意力特征提取阶段，得到多尺度聚合特征输出；进一步通过检测网络的特征融合模块FPN，对每个特征提取阶段的输出特征进行至上而下的不同尺度特征融合；最后通过检测网络的三个检测头，对组织病理图像中的肉芽肿进行定位和检测；本发明使用基于多尺度特征聚合的Transformer结构来进行图像特征的提取，以实现对多种不同尺度特征的有效学习，从而达到对大目标小目标均能有效检测的效果。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.027 秒)
