一种结合深度学习与机器学习的PDAC分期预测方法及装置

    公开(公告)号:CN119152943A

    公开(公告)日:2024-12-17

    申请号:CN202411155729.6

    申请日:2024-08-22

    Applicant: 厦门大学

    Abstract: 本发明公开了一种结合深度学习与机器学习的PDAC分期预测方法及装置,方法包括:获取血清代谢谱数据集;构建由深度神经网络、卷积神经网络和长短期记忆网络任意组成的不同组合模型;构建基于不同组合模型的不同混合模型,所述混合模型采用组合模型实现对血清代谢谱数据的特征提取,采用机器学习算法根据提取的特征进行分类;基于数据集对不同混合模型进行训练,获得训练好的不同混合模型并比较性能,选择性能最好的混合模型作为预测模型;利用预测模型实现对PDAC的分期预测。本发明构造不同类型的神经网络进行PDAC不同临床阶段的分期预测,并通过比较不同混合模型对PDAC不同临床分期病例的分类性能确认最佳混合模型。

    一种低场核磁共振结合模式识别技术的橄榄油掺假检测方法

    公开(公告)号:CN111965207A

    公开(公告)日:2020-11-20

    申请号:CN202010609027.6

    申请日:2020-06-29

    Applicant: 厦门大学

    Abstract: 本发明提供了一种低场核磁共振结合模式识别技术的橄榄油掺假检测方法。包括:收集纯正特级初榨橄榄油样本和掺假的二元混合橄榄油样本;对每一个样本进行低场核磁共振检测,采集获得反演后的横向弛豫时间T2分布谱图;对不同掺假比例橄榄油T2分布图的特征参数进行比较,寻找内在规律性;对低场核磁共振T2分布谱图进行预处理,建立真伪橄榄油质量分析数据库;数据库结合模式识别技术建立掺假橄榄油判别模型,将未知橄榄油数据导入模型中鉴别出橄榄油掺假与否。本发明可以为监管部门提供经济快捷、高效可靠的检测手段,以保证消费者的权益;本发明可以作为一种快速、方便、有效的筛选技术广泛应用于橄榄油掺假的鉴别,便于推广使用。

    一种结合HSI与NMR技术的深度学习算法的枸杞产地溯源方法

    公开(公告)号:CN119091302A

    公开(公告)日:2024-12-06

    申请号:CN202411211170.4

    申请日:2024-08-30

    Applicant: 厦门大学

    Abstract: 一种结合HSI与NMR技术的深度学习算法的枸杞产地溯源方法,涉及中药的产地溯源方法。1)将待测的不同产地枸杞样品进行前处理后,进行高光谱图像数据和核磁共振氢谱数据采集;2)对采集的高光谱图像数据进行预处理,基于预处理后的高光谱图像数据结合深度学习算法构建枸杞产地溯源模型;3)对采集的核磁共振氢谱数据进行预处理,使用多变量统计分析分别筛选不同产地枸杞的谱峰波段和差异成分;4)基于SHapley Additive exPlanations算法筛选高光谱特征波长以及光谱特征波长和差异成分之间的关联分析。构建的枸杞产地溯源模型有着数据处理简单、成本低和能够实现高通量的枸杞产地鉴别等优点。

Patent Agency Ranking