-
公开(公告)号：CN116580841B
公开(公告)日：2023-11-10
申请号：CN202310851585.7
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
Abstract: 本发明公开一种基于多组学数据的疾病诊断设备、装置及存储介质，该设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，用于实现：获取同一患者的待诊断基因数据和细胞病理图像；基于待诊断基因数据筛选出差异表达基因，并提取差异表达基因的基因特征；通过预设特征提取模型对细胞病理图像进行特征提取，获得细胞病理图像特征，其中预设特征提取模型包括基于DenseNet网络的特征提取模块和基于双注意力的多尺度特征融合模块；将细胞病理图像特征与基因特征进行特征融合，并根据融合后的特征确定患者的疾病类型。本发明通过融合患者的细胞病理图像特征和基因特征，提高了对癌症患者疾病类型诊断的准确性和效率。
-
公开(公告)号：CN116548950B
公开(公告)日：2023-11-10
申请号：CN202310851595.0
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: A61B5/055 , G01R33/48 , A61B5/00 , G06F18/213
Abstract: 本发明涉及医学技术领域，公开了一种病灶定位方法、装置、设备及存储介质，该方法包括：对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号；根据目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量；根据空间滤波器构建头部模型，并根据矢量光束网格化头部模型；确定特征分量的协方差矩阵，并根据协方差矩阵和网格化后头部模型的能量分布定位病灶。本发明对滤波进行时频分析并根据分析后的信号包络确定目标信号，进行特征提取获得特征分量并确定特征分量的协方差矩阵，建立头部模型并对头部模型网格化，根据网格化后的头部模型和协方差矩阵定位病灶，从而能防止因人工诊断而导致的误诊，并提高了诊断的效率。
-
公开(公告)号：CN116580216B
公开(公告)日：2023-09-22
申请号：CN202310851594.6
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: G06V10/75 , G06V10/762 , G06V10/764 , G06V10/774 , G06V20/69 , G06T7/11 , G06T7/12 , G06T7/13 , G06T7/187 , G06N5/01
Abstract: 本发明涉及图像匹配技术领域，公开了一种病理图像匹配方法、装置、设备及存储介质，该方法包括：确定病理图像中各像素点相邻区域的像素信息，并映射像素信息，获得映射病理图像；对映射病理图像进行形状拟合，并对拟合后病理图像的连接区域和边界区域进行图像分割；根据分割后病理图像的像素点确定像素矩阵，并卷积像素矩阵更新像素点的灰度值；对更新后灰度值进行特征筛选确定病理特征图像，并根据多类别分类器对病理特征图像进行匹配。本发明对映射病理图像进行图像分割便于进行匹配，根据分割后病理图像卷积更新像素点的灰度值，根据灰度值确定病理特征图像并根据分类器对病理特征图像进行匹配，从而减少误诊情况，提高工作效率和匹配精确度。
-
公开(公告)号：CN116548950A
公开(公告)日：2023-08-08
申请号：CN202310851595.0
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: A61B5/055 , G01R33/48 , A61B5/00 , G06F18/213
Abstract: 本发明涉及医学技术领域，公开了一种病灶定位方法、装置、设备及存储介质，该方法包括：对预设范围内的信号进行时频分析，并根据分析后信号的包络确定目标信号；根据目标信号的频域变化、小波系数和局部峰值进行特征提取，获得特征分量；根据空间滤波器构建头部模型，并根据矢量光束网格化头部模型；确定特征分量的协方差矩阵，并根据协方差矩阵和网格化后头部模型的能量分布定位病灶。本发明对滤波进行时频分析并根据分析后的信号包络确定目标信号，进行特征提取获得特征分量并确定特征分量的协方差矩阵，建立头部模型并对头部模型网格化，根据网格化后的头部模型和协方差矩阵定位病灶，从而能防止因人工诊断而导致的误诊，并提高了诊断的效率。
-
公开(公告)号：CN115359836A
公开(公告)日：2022-11-18
申请号：CN202210389210.9
申请日：2022-04-13
Applicant: 北京大学
Inventor： 侯艳
Abstract: 本发明涉及DTI预测领域，尤其为一种基于深度学习算法的DTI预测方法。利用Python软件分别处理药物分子和靶点蛋白序列数据，将通过SMILES字符和靶点蛋白序列得到的药物分子指纹和靶点蛋白描述符作为模型输入，经过两个SAE对药物分子描述符和靶点蛋白序列数据进行特征提取，获得相同维度的药物与靶点蛋白的深度表征，将SAE提取得到的特征向量嵌入FCNN，从而对DTI进行推断。本发明提供了非端到端模型DeepSAE，充分学习无标签数据，对输入变量进行降维并从中提取对预测结果有用的变量，减小模型的计算量，且SAE相比于其他的无监督的降维方法能够提取对预测效果更为重要的深度表征的一种基于深度学习算法的DTI预测方法。
-
Patent Agency Ranking
公开(公告)号：CN115035956A
公开(公告)日：2022-09-09
申请号：CN202210389236.3
申请日：2022-04-13
Applicant: 北京大学
Inventor： 侯艳
Abstract: 本发明涉及DTI预测模型领域，尤其为一种基于端到端模型的蛋白质序列特征信息学习方法。包括AttBiLSTMG模型，AttBiLSTMG为端到端模型，AttBiLSTMG模型采用双向LSTM，通过对较长蛋白质序列正向和反向学习得到较为全面的特征信息，AttBiLSTMG使用注意力机制得到与药物分子作用关系较强的氨基酸特征信息，为准确学习到药物分子与靶点蛋白特征的相互作用关系提供有用的特征信息，忽略无用氨基酸特征信息。本发明提供了端到端模型AttBiLSTMG直接对药物分子SMILES和蛋白序列字符串进行特征学习，不需要特征转换，以此预测药物靶点相互用作用，该模型基于注意力机制和双向LSTM对蛋白序列字符串进行特征提取，使用图神经网络GIN对药物分子图结构提取特征的一种基于端到端模型的蛋白质序列特征信息学习方法。
-
公开(公告)号：CN118213088B
公开(公告)日：2024-08-09
申请号：CN202410356198.0
申请日：2024-03-27
Applicant: 北京大学
IPC: G16H70/20
Abstract: 本发明公开了一种罕见病临床试验样本含量估算方法及系统，该方法包括：确定目标罕见病的疾病类型，并获取临床试验中对照组的治疗类型和试验组的治疗类型；基于疾病类型确定临床试验中各决策者对应的收益函数；根据对照组的治疗类型、试验组的治疗类型和各收益函数构建目标决策理论模型；通过目标决策理论模型估算目标罕见病的临床试验样本含量。由于本发明是基于目标罕见病的疾病类型确定临床试验中各决策者对应的收益函数，然后根据对照组的治疗类型、试验组的治疗类型和各收益函数构建目标决策理论模型，最后通过目标决策理论模型估算目标罕见病的临床试验样本含量，相比于现有技术，本发明有效提高了罕见病临床试验样本含量估算的准确率。
-
公开(公告)号：CN117954113A
公开(公告)日：2024-04-30
申请号：CN202410348625.0
申请日：2024-03-26
Applicant: 北京大学
Abstract: 本发明涉及数据处理技术领域，公开了一种基于弹性先验和相称先验原理的信息借用方法及系统，该方法包括：根据当前临床试验对应的目标数据类型获取目标历史试验数据；基于目标数据类型确定目标历史试验数据和当前试验数据之间的目标统计量；通过目标统计量确定目标历史试验数据和当前试验数据之间的先验精度，先验精度表征当前临床试验的试验过程中目标历史试验数据的实时借用程度。本发明引入弹性先验原理，用衡量当前试验数据和历史数据之间一致性的指标，即上述目标统计量来决定基于相称先验原理生成的先验精度，从而通过精准确定历史数据和当前试验数据之间的一致性衡量指标，实现对数据一致性更为直观合理的衡量，进而更好地控制统计特性。
-
公开(公告)号：CN117312881A
公开(公告)日：2023-12-29
申请号：CN202311600090.3
申请日：2023-11-28
Applicant: 北京大学
IPC: G06F18/22 , G16H10/20 , G06F18/2323
Abstract: 本发明涉及数据处理技术领域，公开了一种临床试验治疗效果评估方法、装置、设备及存储介质，该方法包括：确定用于表征当前临床试验数据源和真实世界数据源之间的相似度的倾向性评分；基于倾向性评分和预设层次聚类模型构建层次聚类树；基于高斯过程方法、层次聚类树以及各真实世界数据源对应的借用信息确定临床治疗效果值。本发明基于倾向性评分和预设层次聚类模型构建层次聚类树，并基于层次聚类树和各真实世界数据源对应的借用信息确定临床治疗效果值，解决了获取真实世界数据中借用信息对应的治疗效果的方法不能扩展到多个RWD源，需要计算限制借用样本量，实用性不高的问题。
-
公开(公告)号：CN116563848B
公开(公告)日：2023-11-10
申请号：CN202310851586.1
申请日：2023-07-12
Applicant: 北京大学
Inventor： 侯艳
IPC: G06V20/69 , G06V10/22 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及电子数字数据处理技术领域，公开了一种异常细胞识别方法、装置、设备及存储介质，该方法包括：对源病理图像进行预处理，获得目标病理图像，源病理图像包括宫颈细胞病理图像；通过预设双注意力卷积神经网络对目标病理图像进行通道维度和空间维度的特征过滤，获得关键识别特征；基于预设RPN网络和关键识别特征确定异常细胞的坐标，并通过异常细胞的坐标在目标病理图像中对所述异常细胞进行标注。本发明可通过预设双注意力卷积神经网络进行通道维度和空间维度的特征过滤，有针对性地突出与异常细胞识别相关的特征，即上述关键识别特征，从而抑制无关特征或次要特征的表达，进而提高了识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.02 seconds)
