一种基于无模板的分子多步逆合成预测方法和装置

    公开(公告)号:CN117292763A

    公开(公告)日:2023-12-26

    申请号:CN202311315687.3

    申请日:2023-10-12

    申请人: 浙江大学

    IPC分类号: G16C20/50 G16C20/30 G16C20/70

    摘要: 本发明公开了一种基于无模板的分子多步逆合成预测方法和装置,包括获取包括原子字符串和键特征矩阵的药物分子数据,药物分子数据对应的反应物数据,组成训练数据;构建无模板的单步逆合成模型,利用训练数据对单步逆合成模型进行参数优化,利用优化后的单步逆合成模型进行多步逆合成,同时还可以给定一个具体目标药物分子,使用Retro*搜索算法进行多步逆合成,其中多步逆合成中的扩展步骤使用基于无模板的单步逆合成模型retroformer。这样做能够提供更精准的预测,外加在更大的反应空间中进行推理,达到更广的覆盖率以及更强的解释性。

    基于口腔全景片和双重注意力模块的龋齿识别方法

    公开(公告)号:CN113221945B

    公开(公告)日:2023-04-07

    申请号:CN202110360203.1

    申请日:2021-04-02

    申请人: 浙江大学

    摘要: 本发明提供一种基于口腔全景片和双重注意力模块的龋齿识别方法,使用深度学习技术对口腔全景片中的龋齿区域同时进行边缘分割和相应的病变程度识别方法。深度学习技术包括了基于图像空间域和通道域的双重注意力模块,以及基于该双重注意力模块建立的分割和分类网络。本龋齿识别系统由三个模块组成:数据预处理模块、双重注意力分割网络模块和双重注意力分类网络模块。本方法在深度学习过程中对图像区域的注意力进行分层采样和计算,将分割网络和分类网络串联起来,实现了端到端的一站式龋齿区域的定位以及病变程度的识别。通过实现口腔全景片中龋齿区域的自动分割以及对应龋齿病变的结果导出,对于口腔健康的维护具有重要的临床和社会意义。

    基于口腔全景片和双重注意力模块的龋齿识别方法

    公开(公告)号:CN113221945A

    公开(公告)日:2021-08-06

    申请号:CN202110360203.1

    申请日:2021-04-02

    申请人: 浙江大学

    摘要: 本发明提供一种基于口腔全景片和双重注意力模块的龋齿识别方法,使用深度学习技术对口腔全景片中的龋齿区域同时进行边缘分割和相应的病变程度识别方法。深度学习技术包括了基于图像空间域和通道域的双重注意力模块,以及基于该双重注意力模块建立的分割和分类网络。本龋齿识别系统由三个模块组成:数据预处理模块、双重注意力分割网络模块和双重注意力分类网络模块。本方法在深度学习过程中对图像区域的注意力进行分层采样和计算,将分割网络和分类网络串联起来,实现了端到端的一站式龋齿区域的定位以及病变程度的识别。通过实现口腔全景片中龋齿区域的自动分割以及对应龋齿病变的结果导出,对于口腔健康的维护具有重要的临床和社会意义。

    一种基于拉曼光谱和卷积神经网络的肿瘤检测方法

    公开(公告)号:CN112200770A

    公开(公告)日:2021-01-08

    申请号:CN202010935999.4

    申请日:2020-09-08

    发明人: 吴健 俞洪蕴 曹政

    IPC分类号: G06T7/00 G06K9/62

    摘要: 本发明属于医疗数据检测技术领域,尤其是涉及一种基于拉曼光谱和卷积神经网络的肿瘤检测方法。一种基于拉曼光谱和卷积神经网络的肿瘤检测方法,包括以下步骤:S1、数据集采集和构造;S2、数据集标准化处理;S3、数据集扩增;S4、分类模型训练;S5、肿瘤预测。本发明所要解决的技术问题是肿瘤切除手术中对肿瘤组织切片病理活检步骤繁多、时间长、准确性一般的问题,提供一种快速、便捷、准确的基于拉曼光谱和卷积神经网络的肿瘤检测方法。