-
公开(公告)号：CN117557483A
公开(公告)日：2024-02-13
申请号：CN202311531433.5
申请日：2023-11-16
Applicant: 湖南大学
IPC: G06T5/90 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于生成对抗网络增强肝脏磁共振病灶对比度的方法，包括：参数初始化；构建判别器D网络；构建生成器G网络；读取训练数据集图片x；生成训练数据集相应的目标域code集c_trg；生成验证数据集相应的目标域code集c_fixed_list；判别器D训练；判别器D损失计算；判断当前迭代次数加1能否被生成器G每迭代一次判别器应迭代次数n_critic整除。本发明利用不同期图像之间的连续变化关系来进行重建损失的计算，使得生成器G可以保留不同期图像的增强细节，准确合成病变区域的增强效果。
-
公开(公告)号：CN119904411A
公开(公告)日：2025-04-29
申请号：CN202411773074.9
申请日：2024-12-04
Applicant: 湖南大学
Abstract: 本发明公开了一种面向模态缺失的多模态癌症生物标志物预测方法，S1、获取患者的病理图像和MRI图像；S2、对所述病理图像进行剪裁，提取所述MRI图像中的3D肿瘤块并进行数据增强处理；S3、对所述病理图像进行特征提取，对所述MRI图像影像中的3D肿瘤块进行特征提取，得到多模态特征；S4、对所述多模态特征进行特征增强和特征重构；S5、将增强的多模态特征经过图融合网络进行融合，并输入至预设的生物标志物预测模型中进行预后评估。本发明实现了缺失模态特征的重构，提高了生物标志物预测的准确度。
-
公开(公告)号：CN119418777A
公开(公告)日：2025-02-11
申请号：CN202411480782.3
申请日：2024-10-23
Applicant: 湖南大学
IPC: G16B40/00 , G16B40/30 , G16B30/00 , G16B50/10 , G16B50/30 , G06F18/2321 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了生物信息学技术领域的基于多模态蛋白质语言模型的DNA绑定残基预测方法。该基于多模态蛋白质语言模型的DNA绑定残基预测方法包括以下步骤：将待进行DNA绑定残基预测的蛋白质序列P，依次使用工具分别获取特征文件；将所有特征文件输入ESM3中得到一个嵌入矩阵M；将蛋白质序列处理成残基样本，根据蛋白质结构图搭建等变图神经网络模型，利用已知DNA绑定残基的蛋白质序列构建数据集并训练所搭建的网络；将蛋白质序列的残基样本输入到训练的模型中，得到蛋白质序列的DNA绑定残基。该基于多模态蛋白质语言模型的DNA绑定残基预测方法提高了DNA绑定残基预测的效率与精确性。
-
公开(公告)号：CN117789980A
公开(公告)日：2024-03-29
申请号：CN202311809540.X
申请日：2023-12-26
Applicant: 湖南大学
IPC: G16H50/30 , G16H70/60 , G16H50/70 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0455
Abstract: 基于人工智能的癌症患者生存预测方法及装置，该方法构建多模态的异构图形，并借助元路径的思想对特征进行边缘重构，以充分考虑到图边缘的特征信息和节点的有效嵌入。为了防止模态内的特征缺失造成的预测精度的影响，引入稀疏的特性来设计了一个卷积掩码自编码器(CMAE)来鲁棒的提取特征边缘重构后的异构图特征。其次，特征交叉通信模型建立多模态之间的通信，让输出的特征既包含该模态的所有特征，也包含其他模态的相关信息。对TCGA六个癌症队列的广泛实验和分析表明，本发明在模态缺失和模态内信息确实的情况下都明显优于最先进的方法，能够在模态数据缺失和缺失部分模态的情况下，都能够对癌症患者进行准确的生存预测。
-
公开(公告)号：CN117851063A
公开(公告)日：2024-04-09
申请号：CN202410037338.8
申请日：2024-01-10
Applicant: 湖南大学
Abstract: 基于超算平台的医疗数据并行集成处理方法及系统，调用交互模块通过WEB用户界面或SDK组件获取用户的任务需求数据，将获取的任务需求数据发送到通信模块；通信模块采用任务管理组件对接收的任务需求数据进行解码以转换为任务指令；将转换的任务指令采用负载均衡的方式分配到提取模块；提取模块利用分布式内存数据库检索任务指令对应的任务需求数据，并对检索后的任务需求数据进行集成操作；当提取模块完成任务需求数据的提取和集成后，通过通信模块中的数据中继组件定时轮询以获得返回结果，并将返回结果以文件或数据流的形式返回给用户。本发明提高数据提取和集成速度，可以匹配并行化的提取集成过程，优化了内存占用；具有较低学习成本。
-
Patent Agency Ranking
公开(公告)号：CN116628489A
公开(公告)日：2023-08-22
申请号：CN202310352952.9
申请日：2023-04-04
Applicant: 湖南大学
IPC: G06F18/214 , G06F18/10 , G16H50/70
Abstract: 本发明公开了一种用于医疗特征生成模型的半监督条件迁移学习方法，包括S1、对输入源域和目标域数据进行特征预处理；S2、按照预设的规则对源域数据进行筛选，得到筛选后的源域数据；S3、将筛选后的源域数据根据特征是否稀有分为预训练的训练集和测试集；S4、构建基于源域数据特点的特征生成模型；S5、按照预设的规则对目标域数据进行筛选，得到筛选后的目标域数据；S6、生成目标域数据表征；S7、生成与源域数据维度相同的数据集；S8、将筛选的源域数据与目标域数集合并，形成混合数据集；S9、基于混合数据集进行重新训练得到带有目标域数据特点的特征生成模型；S10、重复步骤S5‑S9。本发明通过多种特征增强方法，强化了原始数据的特点。
-
公开(公告)号：CN115661454A
公开(公告)日：2023-01-31
申请号：CN202211320016.1
申请日：2022-10-26
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06V10/774 , G06V20/70
Abstract: 本发明公开了一种用于病理图像分割的双端层次化的特征融合方法，包括：S1、将整个全视野数字切片分成切片小块，并行放入全局编码器和局部编码器中；S2、在全局编码器中，块嵌入层将切片分割成不重叠的补丁，将特征维度映射到维度转换后的特征通过连续的Swin Transformer块和块合并层在各个阶段以生成分层的全局特征表示；S3、在局部编码器中，Stem层生成补丁特征，通过ConvNeXt块和下采样层在各个阶段以生成相应的分层局部特征表示；S4、在解码器中，借助全局‑局部融合模块GLFusion和跳越连接，获取双分支同一层次的全局粗粒度信息和局部细粒度信息；S5、获得图像的像素级分割，并合并所有切片块分割结果以恢复最终的WSI的肿瘤分布图。本发明具有较高的实际应用价值。
-
公开(公告)号：CN116631636A
公开(公告)日：2023-08-22
申请号：CN202310352774.X
申请日：2023-04-04
Applicant: 湖南大学
IPC: G16H50/70 , G16H50/20 , G06F18/10 , G06F18/214 , G06F18/243
Abstract: 本发明公开了一种基于机器学习的特征生成方法，包括：S1、对输入的原始数据进行预处理以及筛选；S2、将筛选后的数据分为预训练的特征集和标签集；S3、通过基于树的集成学习算法训练得到特征生成模型；S4、将疾病早期数据输入至特征生成模型进行疾病早期检测。本发明通过多种特征增强方法，强化了原始数据的特点，并一定程度的记录了病例的历史事件，采用基于树的集成学习算法，可以在有数据缺失的情况下完成数据生成，本发明符合人体生理指标的潜在规律，因此可以轻易的将模型迁移至其他具有相同格式的数据集中直接使用，具有较强的可迁移性。
-
公开(公告)号：CN118507062B
公开(公告)日：2025-05-16
申请号：CN202410584578.X
申请日：2024-05-12
Applicant: 湖南大学
IPC: G16H50/50 , G16H30/20 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种从肺癌组织病理学图像中预测气腔内播散的方法，包括：S1、对全玻片图像进行图像预处理；S2、基于预训练模型对预处理后的图像进行特征提取；S3、基于载玻片图像的特征构建空间拓扑图；S4、基于孪生混合编码器对空间拓扑图进行特征提取；S5、采用步骤S4提取的特征对肺癌组织病理学图像进行预测，得到气腔内播散结果。本发明通过孪生的图编码器对来组织病理学图像空间拓扑结构的特征进行学习，通过特征分享和跳跃连接来推理训练模型，实现从肺癌组织病理学图像中预测气腔内播散。
-
公开(公告)号：CN118507062A
公开(公告)日：2024-08-16
申请号：CN202410584578.X
申请日：2024-05-12
Applicant: 湖南大学
IPC: G16H50/50 , G16H30/20 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种从肺癌组织病理学图像中预测气腔内播散的方法，包括：S1、对全玻片图像进行图像预处理；S2、基于预训练模型对预处理后的图像进行特征提取；S3、基于载玻片图像的特征构建空间拓扑图；S4、基于孪生混合编码器对空间拓扑图进行特征提取；S5、采用步骤S4提取的特征对肺癌组织病理学图像进行预测，得到气腔内播散结果。本发明通过孪生的图编码器对来组织病理学图像空间拓扑结构的特征进行学习，通过特征分享和跳跃连接来推理训练模型，实现从肺癌组织病理学图像中预测气腔内播散。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
