-
公开(公告)号：CN113053457B
公开(公告)日：2022-04-05
申请号：CN202110321988.1
申请日：2021-03-25
Applicant: 湖南大学
Abstract: 本发明属于机器学习以及计算机生物信息学领域，公开了一种基于多通路图卷积神经网络的药物靶标预测方法。本发明包括步骤：基于随机游走的方法，计算药物信息的概率共现矩阵；通过概率共现矩阵计算移位正点互信息(PPMI)矩阵，通过使用计算所得的PPMI矩阵以及带自环的药物信息邻接矩阵作为全局和局部一致性的卷积核，对药物信息网络做图卷积操作，整合复杂有效的节点及拓扑结构知识，并通过交叉熵损失函数以及均方差损失函数联合对模型进行训练，将训练完成的模型作为药物靶标潜在关系预测的模型。本发明避免了传统药物靶标预测方法的局限性。本发明借助于多通路图卷积神经网络模型，实现高精度的药物靶标预测。
-
公开(公告)号：CN113053457A
公开(公告)日：2021-06-29
申请号：CN202110321988.1
申请日：2021-03-25
Applicant: 湖南大学
Abstract: 本发明属于机器学习以及计算机生物信息学领域，公开了一种基于多通路图卷积神经网络的药物靶标预测方法。本发明包括步骤：基于随机游走的方法，计算药物信息的概率共现矩阵；通过概率共现矩阵计算移位正点互信息(PPMI)矩阵，通过使用计算所得的PPMI矩阵以及带自环的药物信息邻接矩阵作为全局和局部一致性的卷积核，对药物信息网络做图卷积操作，整合复杂有效的节点及拓扑结构知识，并通过交叉熵损失函数以及均方差损失函数联合对模型进行训练，将训练完成的模型作为药物靶标潜在关系预测的模型。本发明避免了传统药物靶标预测方法的局限性。本发明借助于多通路图卷积神经网络模型，实现高精度的药物靶标预测。
-
公开(公告)号：CN112308213A
公开(公告)日：2021-02-02
申请号：CN202011225115.2
申请日：2020-11-05
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于全局特征关系的卷积神经网络压缩方法。本发明通过在卷积神经网络的批量归一化(Batch Normalization,BN)层后面加入全局特征关系(Global Feature Relation,GFR)子模块,实现提取通道关系并且抑制不重要通道的目的。GFR子模块主要涉及到池化，全连接层和移动平均运算。随后结合通道关系和BN层的通道尺度因子，评估每个通道的重要性程度，该指标可以帮助模型压缩方法更准确的筛选出模型中重要的通道。最后利用通道剪枝算法和网格搜索技术，实现在无需微调模型的情况下，消耗较少的时间和计算资源完成网络模型的压缩，显著降低模型的运行内存和存储内存，并加速模型的推断速度，极大地提高了卷积神经网络在小型移动设备上部署的可能性。
-
Patent Agency Ranking
公开(公告)号：CN111951246A
公开(公告)日：2020-11-17
申请号：CN202010803336.7
申请日：2020-08-11
Applicant: 湖南大学
Abstract: 本发明属于人工智能医疗领域，公开了一种基于深度学习的多方位X光胸片肺炎诊断方法，以提高神经网络模型在X光胸片上对肺炎诊断的性能。本发明通过：输入X光胸片数据，对数据进行清洗，过滤和图像增强；根据图像的成像方位对数据进行划分；使用迁移学习方法训练优化构建的多方位的深度卷积神经网络模型；将待诊断样本输入到模型中，得到X光胸片的分类结果，实现肺炎的分类检测。本发明可以对X光胸片图像数据进行高效的处理，过滤和图像增强，对参差不齐的医疗数据进行规范化、可训练化的治理。同时，通过输入多方位的X光胸片图像，可以提取患者更全的语义信息，有效提高模型对肺炎分类诊断的准确率，敏感值和特异值，为患者提供精准诊断。
-
公开(公告)号：CN113114495A
公开(公告)日：2021-07-13
申请号：CN202110364101.7
申请日：2021-04-03
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于区块链的主节点公平选举方法。本发明改进了PBFT共识方法，使网络中的节点可以自由的加入与退出，增加了区块链网络的灵活性。同时为在区块链网络中设置了一个最近生产队列，本轮中被选中的主节点的编号不能与生产队列中的节点编号重复，这种方式解决了部分节点不能被选为生产节点的不公平问题。由于本发明中区块链网络中的主节点不是由固定的节点担任，因此在一定程度上增加了系统的安全性。
-
公开(公告)号：CN118136104A
公开(公告)日：2024-06-04
申请号：CN202410224200.9
申请日：2024-02-29
Applicant: 湖南大学
Abstract: 一种大规模基因调控网络推断方法及装置，获取标准仿真数据集中的时间序列实验数据和来自大肠杆菌的真实基因表达稳态数据；利用非线性常微分方程对时间序列实验数据和稳态数据进行整合，构建基因网络模型；采用最大互信息系数对基因网络模型进行降维，通过计算因子间的最大互信息系数作为基因网络模型处理的前置步骤；对特征融合算法计算出来的加权向量进行汇总，生成目标基因的综合调控基因重要性列表，通过综合调控基因重要性列表对基因对之间的调控关系表达；将来自大肠杆菌的真实基因表达数据放入模型进行训练和预测，通过交叉验证来评估模型的性能。本发明解决传统技术因固有的高维性、稀疏性和非线性，导致的推断效率和准确性低的问题。
-
公开(公告)号：CN111951246B
公开(公告)日：2022-03-04
申请号：CN202010803336.7
申请日：2020-08-11
Applicant: 湖南大学
Abstract: 本发明属于人工智能医疗领域，公开了一种基于深度学习的多方位X光胸片肺炎诊断方法，以提高神经网络模型在X光胸片上对肺炎诊断的性能。本发明通过：输入X光胸片数据，对数据进行清洗，过滤和图像增强；根据图像的成像方位对数据进行划分；使用迁移学习方法训练优化构建的多方位的深度卷积神经网络模型；将待诊断样本输入到模型中，得到X光胸片的分类结果，实现肺炎的分类检测。本发明可以对X光胸片图像数据进行高效的处理，过滤和图像增强，对参差不齐的医疗数据进行规范化、可训练化的治理。同时，通过输入多方位的X光胸片图像，可以提取患者更全的语义信息，有效提高模型对肺炎分类诊断的准确率，敏感值和特异值，为患者提供精准诊断。
-
公开(公告)号：CN113114495B
公开(公告)日：2021-12-28
申请号：CN202110364101.7
申请日：2021-04-03
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于区块链的主节点公平选举方法。本发明改进了PBFT共识方法，使网络中的节点可以自由的加入与退出，增加了区块链网络的灵活性。同时为在区块链网络中设置了一个最近生产队列，本轮中被选中的主节点的编号不能与生产队列中的节点编号重复，这种方式解决了部分节点不能被选为生产节点的不公平问题。由于本发明中区块链网络中的主节点不是由固定的节点担任，因此在一定程度上增加了系统的安全性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
