公开(公告)号：CN118675646A

公开(公告)日：2024-09-20

申请号：CN202410752498.0

申请日：2024-06-12

Applicant: 安徽大学

Inventor： 苏延森 ,  姜莉媛 ,  李海涛 ,  李垒 ,  储媛媛 ,  郑龙

IPC: G16C20/30 ,  G16C20/70 ,  G16B15/00 ,  G16B45/00 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/047 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的包虫病药物组合协同预测方法、装置、设备及介质，其中方法包括：使用ResGAT网络获取药物信息特征向量，构建包虫病靶蛋白PPI网络，使用node2vec网络获取靶蛋白特征向量，聚合后作为包虫病信息特征向量；训练并构建单药MLP预测模型；利用单药MLP预测模型和Bliss组成药物组合协同预测模型，获取药物组合协同预测结果。本发明通过充分利用药物组合化学分子图和包虫病的单一药物数据信息，提高了药物组合联合筛选预测的准确性，有效解决了药物组合训练数据不足的问题，提高了样本数据有限的包虫病的药物组合筛选预测的准确性。

公开(公告)号：CN118506046A

公开(公告)日：2024-08-16

申请号：CN202311652964.X

申请日：2023-12-05

Applicant: 安徽大学

Inventor： 谭大禹 ,  丁睿 ,  苏延森 ,  郑春厚

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种面向乳腺癌组织病理学图像分类的深度神经网络方法，包括以下步骤：S1，设计模型的蓝图，并基于乳腺癌病理图像的实际情况进行优化；S2，将该优化后的模型中的Block进行轻量化处理，即将原本的卷积方式更改为深度可分离卷积；S3，在模型中添加注意力机制，筛选当前任务目标关键信息；S4，模型使用SGDM优化器，采取学习率衰减策略；S5，计算总损失函数值，优化模型的超参数。本发明所提供的组织病理学图像分类方法主要为解决组织病理学图像分辨率过高，难以充分提取特征的问题。本方法不仅可以充分提取组织病理学图像的特征信息，还将模型的参数量和计算量控制的很好，算力消耗维持在正常水准。

公开(公告)号：CN117831632A

公开(公告)日：2024-04-05

申请号：CN202311661320.7

申请日：2023-12-06

Applicant: 安徽大学

Inventor： 谭大禹 ,  程昭龙 ,  苏延森 ,  郑春厚

IPC: G16B40/00 ,  G16B15/30 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种推断基因调控网络的方法，包括以下步骤：S1，构建输入数据集，包括获取数据并对数据进行预处理，最终生成训练模型输入所需的4D张量；S2，构建注意力时间卷积网络，包括空洞因果卷积、注意力残差结构、激活函数、规范化、正则化、dropout；将4D输入张量输入注意力时间卷积网络中；S3，构建基因调控网络和实现基因功能分配。本发明可同时用于构建基因调控网络和实现基因功能分配，提高了模型在推断基因对之间调控关系时的性能，此外，注意力时间卷积网络可以同时学习时程scRNA‑seq数据的时间特征信息和空间特征信息，避免侧重于其中一类信息从而导致数据信息的丢失。

公开(公告)号：CN112417604B

公开(公告)日：2023-11-03

申请号：CN202011410857.2

申请日：2020-12-04

Applicant: 安徽大学

Inventor： 王朝 ,  刘蓉蓉 ,  苏延森 ,  张兴义

IPC: G06F30/15 ,  G06F30/27 ,  G06Q10/047 ,  G06Q10/0631 ,  G06N3/0499 ,  G06N3/08 ,  G06F111/04 ,  G06F111/06 ,  G06F111/08

Abstract: 本发明公开了一种基于多目标优化的电动汽车配送任务自适应分配方法，包括：S1、假设在仓库内有一批相同的电动汽车，要将全部配送任务分配给电动汽车；规划配送路径的同时考虑充电设施选址，构建电动汽车任务分配多目标优化模型；S2、设计适用于路径规划和充电决策联合优化的染色体混合编码方案；S3、基于学习机制的多目标进化算法挖掘迭代进程历史信息；S4、插值拟合历史优秀解的进化轨迹预测潜在最优解的路径模式；S5、构建路径规划与选址方案的对应关系获取给定路径下的最优选址方案。本发明能对车辆运输配送路径和充电设施选址同时进行优化，从而能产生一组各个方面均优的分配方案，以根据实际情况选择合适的实施方案。

公开(公告)号：CN114582508A

公开(公告)日：2022-06-03

申请号：CN202210215060.X

申请日：2022-03-04

Applicant: 安徽大学

Inventor： 郑春厚 ,  左宗兰 ,  曹瑞芬 ,  夏俊峰 ,  苏延森

IPC: G16H50/30 ,  G16H50/70 ,  G16B40/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于GCN和集成学习预测潜在关联的环状RNA‑疾病对的方法，包括：整合实验证实相关联的环状RNA‑疾病对，根据涉及到的环状RNA和疾病从相应数据库中获取序列信息和语义信息；利用图卷积神经网络并基于关联信息，环状RNA的相似性以及疾病间的相似性信息提取环状RNA的特征以及疾病的特征；构建正负样本平衡的数据集，并用其训练4基本分类器，并利用集成学习中的平均法结合策略对此些分类器集成并对所有未验证的环状RNA‑疾病对做出预测。本发明可以有效的基于已知的环状RNA‑疾病对信息预测潜在关联的环状RNA疾病对，提高预测模型的性能，为生物实验提供最有可能关联的环状RNA‑疾病对，从而促进相关生物实验的发展。

公开(公告)号：CN110060730A

公开(公告)日：2019-07-26

申请号：CN201910267199.7

申请日：2019-04-03

Applicant: 安徽大学

Inventor： 苏延森 ,  祝火乐 ,  张磊

IPC: G16B20/00 ,  G16B25/00 ,  G16B40/00 ,  G16H50/70

Abstract: 本发明公开了一种基因模块分析方法，包括：输入基因表型双层网络、基因功能相似性网络和已知与疾病表型相关的疾病基因集合s0；增加基因表型双层网络中基因和表型之间的连接关系；将基因表型双层网络中与s0中疾病基因有边连接且不在s0中的基因作为候选基因，计算和选择语义相似性、拓扑相似性和表型关联性之和最大的候选基因加入s0，直到扩充的候选基因集合不再同时显著富集与疾病表型相关的GO本体功能注释、生物通路基因以及在疾病表型样本和正常样本中表达差异基因时，记当前代数为m，输出m-1代s0中扩充的候选基因以及与这些扩充候选基因有边连接的已知疾病基因。

公开(公告)号：CN106055568B

公开(公告)日：2019-06-28

申请号：CN201610338452.X

申请日：2016-05-18

Applicant: 安徽大学

Inventor： 张兴义 ,  苏延森 ,  郑雯 ,  谢莹

IPC: G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种基于单步添加团的社交网络朋友自动分组方法，该方法将社交网络描述为一个二元组，利用基于单步添加团的重叠社团检测算法来解决社交网络朋友自动分组问题。本发明能快速实现社交网络中朋友圈自动分组，提高分组效率和准确性，从而可以通过准确的朋友分组，为用户推荐更可靠地朋友，减少用户在搜索志同道合朋友时产生的不必要麻烦。

公开(公告)号：CN120015132A

公开(公告)日：2025-05-16

申请号：CN202411845699.1

申请日：2024-12-16

Applicant: 安徽大学

Inventor： 郑春厚 ,  肖可扬 ,  王静 ,  苏延森 ,  丁云 ,  范芳菲

IPC: G16B40/20 ,  G16B50/10 ,  G06N5/01 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/09

Abstract: 本发明公开了一种基于多尺度对比学习的空间转录组学细胞聚类的方法，包括以下步骤：S1，进行数据预处理；S2，使用处理后的数据进行图构建；S3，进行数据增强；S4，使用GCN提取细胞基因表达信息；S5，使用ContraNorm层丰富节点信息；S6，使用多尺度图对比学习进一步学习信息，并用学习得到的最终信息进行生物学分析。本发明利用计算机辅助细胞类型分析，无需大量高质量数据，只需利用基因表达数据和细胞空间位置信息数据，就能预测哪些细胞属于同一个类别，提供更多的有效信息帮助研究人员识别癌症的起始和疾病的发展。

公开(公告)号：CN119314590A

公开(公告)日：2025-01-14

申请号：CN202411366979.4

申请日：2024-09-29

Applicant: 安徽大学

Inventor： 谭大禹 ,  徐鹏远 ,  夏欣 ,  张亚杰 ,  苏延森

IPC: G16C20/50 ,  G16C20/70 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于隐空间扩散模型的药物分子优化方法，包括：1.构建针对不同任务的药物分子数据集，2.构建和预训练分子SMILES自编码器，4.构建和训练基于隐空间扩散模型的分子优化模型，4.利用训练好的扩散模型生成新分子。本发明能够生成与原分子具有较高的相似性，并且具有更好属性、更多样化的新分子，从而提高了药物分子多种属性的优化效率。

公开(公告)号：CN114021569B

公开(公告)日：2024-12-03

申请号：CN202111298745.7

申请日：2021-11-04

Applicant: 安徽大学

Inventor： 苏延森 ,  杨洋 ,  谭大禹

IPC: G06F40/295 ,  G06F16/36 ,  G06F40/284 ,  G16H50/70

Abstract: 本发明公开了一种基于深度学习的生物医学实体识别和关系预测的方法，其步骤包括：1.获取神经网络训练数据，即生物医学文献，对其进行分句分词操作，将非结构化文本处理成结构化文本；2.标注结构化文本，对句子中的实体以及实体间的关系进行手工标注工作；3.搭建深度神经网络模型；4.用标注好的数据训练构建好的模型，得到一个实验结果最优的深度学习模型；5.将未标注的数据输入到最优模型里，预测文献里的实体关系。本发明可以同时识别生物医学文献里的实体以及实体之间存在的关系，从而有效提高识别的准确率，并降低对计算资源的需求。