-
公开(公告)号：CN114938310B
公开(公告)日：2023-02-10
申请号：CN202210746181.7
申请日：2022-06-28
Applicant: 湖南大学
Abstract: 本发明属于多方安全计算技术领域，公开了一种基于隐私保护的药物相似性计算方法。首先在输入阶段对各大制药公司将其隐私数据利用RSA非对称加密算法进行加密，利用零知识证明对所有制药公司的密文数据进行验证，并使用HoneyBadger共识算法让各制药公司达成共识进入计算阶段；然后，在计算阶段利用同态加密对密文进行药物相似性计算；然后，将密文中间结果进行广播和验证，并使用共识算法让各制药公司达成共识，同时满足验证成功和达成共识这两个条件的参与方将密文中间结果进行求和，通过以上计算得出最终的密文药物相似性计算结果；最后，在输出阶段利用HoneyBadger共识算法使各参与方之间在最终密文结果上达成共识，利用阈值解密算法对密文进行解密得到明文药物相似性结果。
-
公开(公告)号：CN118966070B
公开(公告)日：2025-04-01
申请号：CN202411089005.6
申请日：2024-08-09
Applicant: 湖南大学
IPC: G06F30/28 , G06F9/50 , G06F9/48 , G06F9/54 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种自适应划分的三级并行火灾动力学模拟系统及方法，其中系统包括：构建模块和运行模块；构建模块用于基于FDS构建三级并行的火灾动力学模拟模型；火灾动力学模拟模型为原始FDS的改进，包括：进程层面、节点间层面和节点内层面；在进程层面采用自适应的网格生成算法，实现火灾动力学模拟模型的负载均衡；在节点间层面采用数据局部性感知的拓扑映射方案，减少火灾动力学模拟模型的远距离节点间通信次数和最小化通信开销；在节点内层面采用基于轮询的任务调度方案，提高火灾动力学模拟模型的性能。本发明设计了自适应网格生成算法来平衡输入网格的工作负载，将输入网格分解为子网格，以实现将FDS从数个进程扩展到数千个进程。
-
公开(公告)号：CN114758722B
公开(公告)日：2024-06-28
申请号：CN202210427451.8
申请日：2022-04-21
Applicant: 湖南大学
IPC: G16B30/00 , G16B40/00 , G06F18/2321 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于生成式对抗网络的基因序列插补方法，通过无监督聚类算法将基因序列按照缺失片段的分布情况分为两类,两个生成器分别学习并构造相应的基因序列缺失分布模型；再分别构建两个生成式对抗网络，通过注入与原数据等量的随机噪声，生成缺失片段的插补结果，并根据对方缺失分布模型的预测结果，丢弃此完整数据的部分信息，最后判别与真实数据的差异性，根据反馈调整插补模型，进而得到高精度的插补结果。本发明可以在不同类型的数据集上进行插补，具有良好的鲁棒性；能模拟基因数据产生缺失的过程，又避免了插补片段与掩盖片段重叠，能够防止训练中产生无意义的迭代；提高了插补的精度和效率，能够运用于大规模数据集的处理。
-
公开(公告)号：CN114496303B
公开(公告)日：2024-06-04
申请号：CN202210011416.8
申请日：2022-01-06
Applicant: 湖南大学
IPC: G16H70/40 , G16B20/10 , G16B40/00 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明属于计算机科学领域，公开了一种基于多通道神经网络的抗癌药物筛选方法。本发明通过图卷积网络提取图结构的药物分子图特征，一维卷积提取常规向量格式的药物分子指纹和细胞系miRNA特征，自编码器提取超高维的基因拷贝数特征，可以融合不同数据结构和维度的特征信息。本发明可以解决不同输入特征数据结构不同和数据复杂度高的问题，从而有效融合药物的全局和局部结构信息，以及来自不同组学数据的细胞系特征，提高药物敏感性预测的精度，进而提高抗癌药物筛选的效率。同时，多信息源的融合提高了模型的鲁棒性，使其在数据标签不足时，仍能保持稳定的性能。
-
公开(公告)号：CN114974610B
公开(公告)日：2024-05-31
申请号：CN202210391128.X
申请日：2022-04-14
Applicant: 湖南大学
IPC: G16H70/40 , G16B5/00 , G16B40/00 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机科学领域，公开了基于图神经网络和自动编码器的抗癌药物敏感性预测方法。首先从PubChem、CCLE和PRISM数据库中获取相关数据，然后根据所提取的信息和K近邻的方法构建药物细胞系对稀疏相似性矩阵A；其次，利用自动编码器对细胞系的高维特征进行降维，并将药物的特征和细胞系的特征进行拼接之后得到药物细胞系对的特征矩阵X；再次，将A和X作为输入，利用初始残差连接图神经网络学习网络中每个节点的表征；最后使用全连接层预测药物细胞系对之间的敏感性数值。本发明充分将药物、细胞系和DCP之间的相似性信息进行融合，并将图卷积神经网络和初始残差连接进行融合，提高了药物与细胞系对之间的敏感性预测精度。
-
Patent Agency Ranking
公开(公告)号：CN114974610A
公开(公告)日：2022-08-30
申请号：CN202210391128.X
申请日：2022-04-14
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了基于图神经网络和自动编码器的抗癌药物敏感性预测方法。首先从PubChem、CCLE和PRISM数据库中获取相关数据，然后根据所提取的信息和K近邻的方法构建药物细胞系对稀疏相似性矩阵A；其次，利用自动编码器对细胞系的高维特征进行降维，并将药物的特征和细胞系的特征进行拼接之后得到药物细胞系对的特征矩阵X；再次，将A和X作为输入，利用初始残差连接图神经网络学习网络中每个节点的表征；最后使用全连接层预测药物细胞系对之间的敏感性数值。本发明充分将药物、细胞系和DCP之间的相似性信息进行融合，并将图卷积神经网络和初始残差连接进行融合，提高了药物与细胞系对之间的敏感性预测精度。
-
公开(公告)号：CN114758722A
公开(公告)日：2022-07-15
申请号：CN202210427451.8
申请日：2022-04-21
Applicant: 湖南大学
Abstract: 本发明公开了一种基于生成式对抗网络的基因序列插补方法，通过无监督聚类算法将基因序列按照缺失片段的分布情况分为两类,两个生成器分别学习并构造相应的基因序列缺失分布模型；再分别构建两个生成式对抗网络，通过注入与原数据等量的随机噪声，生成缺失片段的插补结果，并根据对方缺失分布模型的预测结果，丢弃此完整数据的部分信息，最后判别与真实数据的差异性，根据反馈调整插补模型，进而得到高精度的插补结果。本发明可以在不同类型的数据集上进行插补，具有良好的鲁棒性；能模拟基因数据产生缺失的过程，又避免了插补片段与掩盖片段重叠，能够防止训练中产生无意义的迭代；提高了插补的精度和效率，能够运用于大规模数据集的处理。
-
公开(公告)号：CN119762353A
公开(公告)日：2025-04-04
申请号：CN202411959564.8
申请日：2024-12-30
Applicant: 湖南大学
IPC: G06T5/20 , G06N3/0464 , G06T5/70
Abstract: 本发明公开了一种基于深度可分离卷积思想的线性滤波算法优化方法，包括：S1、根据所选择的线性滤波算法和设置的滤波核大小生成滤波核的权重；S2、根据设置的滤波核大小对图像边界进行填充；S3、根据输入图像的通道数对输入图像进行处理；S4、对线性滤波操作后的多通道进行合并，输出滤波后的图像；S5、采用均方误差、峰值信噪比以及结构相似性作为指标对输出滤波后的图像进行图像质量分析；S6、与朴素的线性滤波算法、基于行列分离思想实现线性滤波算法和基于缓冲区和行列分离思想实现的OpenCV库的线性滤波算法进行比较。本发明能够有效适应各种硬件环境，无需针对特定芯片进行大量修改。
-
公开(公告)号：CN118966070A
公开(公告)日：2024-11-15
申请号：CN202411089005.6
申请日：2024-08-09
Applicant: 湖南大学
IPC: G06F30/28 , G06F9/50 , G06F9/48 , G06F9/54 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种自适应划分的三级并行火灾动力学模拟系统及方法，其中系统包括：构建模块和运行模块；构建模块用于基于FDS构建三级并行的火灾动力学模拟模型；火灾动力学模拟模型为原始FDS的改进，包括：进程层面、节点间层面和节点内层面；在进程层面采用自适应的网格生成算法，实现火灾动力学模拟模型的负载均衡；在节点间层面采用数据局部性感知的拓扑映射方案，减少火灾动力学模拟模型的远距离节点间通信次数和最小化通信开销；在节点内层面采用基于轮询的任务调度方案，提高火灾动力学模拟模型的性能。本发明设计了自适应网格生成算法来平衡输入网格的工作负载，将输入网格分解为子网格，以实现将FDS从数个进程扩展到数千个进程。
-
公开(公告)号：CN118919013A
公开(公告)日：2024-11-08
申请号：CN202410984961.4
申请日：2024-07-22
Applicant: 湖南大学
IPC: G16H15/00 , G06F40/169 , G06F40/126 , G06F40/295 , G06F40/216 , G06F16/35 , G06N5/04
Abstract: 本发明公开了一种用于增强X光图像诊断的文本提示学习方法及装置。方法包括：S1、输入患者胸部X光图像数据集，所述X光图像数据集包含放射学报告#imgabs0#和相应的图像与人工注释标签；S2、在放射学报告中提取概念、位置和阳性，形成三元组数据；S3、将外部医学知识注入至所述三元组数据，形成新的细粒度数据；S4、为每个概念生成报告级提示嵌入；S5、为每个概念生成概念级提示嵌入；S6、计算报告级相似性和概念级相似性；S7、使用损失函数训练得到推理模型；S8、输入患者胸部X光图像输入至推理模型，推断得到某些概念和/或疾病的存在，并确定概念和/或疾病的视觉证据。本发明无需使用任何标记的图像，具有良好的可解释性能。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
