-
公开(公告)号:CN120045913A
公开(公告)日:2025-05-27
申请号:CN202510120545.4
申请日:2025-01-25
Applicant: 湖南大学
IPC: G06F18/213 , A61B5/16 , A61B5/374 , A61B5/00 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于抑郁检测的脑电信号多维表征学习方法,包括:S1、获取患者脑电信号数据集,该数据集包括脑电信号以及相应的抑郁症标签;S2、对所述脑电信号进行预处理,该预处理为将所述脑电信号分段成固定长度;S3、通过图特征提取和结构学习模块提取脑电信号的结构相关性特征;S4、采用门控Transformer机制提取脑电信号的时间动态特征,并通过门控机制对时序状态进行优化和表征;S5、利用基于Mamba的状态空间模型,将结构相关性特征与时间动态特征融合并优化到门控机制中;S6、利用UMAP技术对融合后的特征进行降维,生成直观可视化结果。本发明在抑郁症数据集上实现了最先进的效果。
-
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。
-
公开(公告)号:CN116580848A
公开(公告)日:2023-08-11
申请号:CN202310538812.0
申请日:2023-05-15
Applicant: 湖南大学
IPC: G16H50/70 , G06F18/241 , G06F18/214 , G06F18/23 , G06N3/045 , G06N3/09 , G06N3/084 , G06F18/22 , G06F18/25 , G06N3/088
Abstract: 本发明公开了一种基于多头注意力机制的分析癌症多组学数据方法,包括:S1、对癌症多组学数据进行数据收集和预处理;S2、采用监督的多头注意力模型完成癌症多组学数据的分类任务;S3、采用基于多头注意力机制的解耦对比学习模型学习完成癌症多组学数据的聚类任务。本发明在分类任务和聚类任务上同时获得较好的效果,可以与临床信息的分析癌症的发病机理。
-
公开(公告)号:CN115527204A
公开(公告)日:2022-12-27
申请号:CN202211145469.5
申请日:2022-09-20
Applicant: 湖南大学
Abstract: 本发明公开了人工智能和生物信息学技术领域的一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法,该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法包括以下步骤:对肝癌组织的全幻灯片图像进行数据收集和预处理;使用多标签诊断框架辅助全幻灯片图像完成分类任务;使用多标签诊断框架辅助全幻灯片图像完成分割任务。该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法通过深度学习技术的多标签诊断框架对肝癌组织全幻灯片图像。
-
-
-
-