公开(公告)号：CN113191949A

公开(公告)日：2021-07-30

申请号：CN202110469466.6

申请日：2021-04-28

Applicant: 中南大学

Inventor： 喻罡 ,  高燕华 ,  谢婷 ,  孙凯 ,  王宽松 ,  陈乐

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了多尺度超分辨率病理图像数字化、系统及存储介质，通过低放大倍率镜头，以病理载玻片为目标进行扫描，获得待转换的低分辨率的病理图像；构建以低分辨率病理图像为输入量，以低分辨率病理图像对应的多个尺度高分辨率病理图像为输出量的多尺度对抗网络。以最大放大倍率采集载玻片的真实图像，并从真实图像中提取其它放大倍率的图像以及低分辨率图像，将真实图像、对应的其它放大倍率的图像以及低分辨率图像输入至多尺度对抗网络中进行训练，将待转换的低分辨率病理图像输入至训练好的多尺度对抗网络中，得到多个不同放大倍率的高分辨率病理图像，从而实现一次性快速生成若干个不同放大倍率的高分辨率病理图像。

公开(公告)号：CN113191949B

公开(公告)日：2023-06-20

申请号：CN202110469466.6

申请日：2021-04-28

Applicant: 中南大学

Inventor： 喻罡 ,  高燕华 ,  谢婷 ,  孙凯 ,  王宽松 ,  陈乐

IPC: G06T3/40 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了多尺度超分辨率病理图像数字化、系统及存储介质，通过低放大倍率镜头，以病理载玻片为目标进行扫描，获得待转换的低分辨率的病理图像；构建以低分辨率病理图像为输入量，以低分辨率病理图像对应的多个尺度高分辨率病理图像为输出量的多尺度对抗网络。以最大放大倍率采集载玻片的真实图像，并从真实图像中提取其它放大倍率的图像以及低分辨率图像，将真实图像、对应的其它放大倍率的图像以及低分辨率图像输入至多尺度对抗网络中进行训练，将待转换的低分辨率病理图像输入至训练好的多尺度对抗网络中，得到多个不同放大倍率的高分辨率病理图像，从而实现一次性快速生成若干个不同放大倍率的高分辨率病理图像。

公开(公告)号：CN116741265B

公开(公告)日：2025-05-16

申请号：CN202310705437.4

申请日：2023-06-14

Applicant: 中南大学

Inventor： 董竹新 ,  谢勇 ,  陈乐

IPC: G16B20/30 ,  G06F18/23213 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于纳米孔蛋白质测序领域，具体公开了一种基于机器学习的纳米孔蛋白质测序数据处理方法及其应用；本发明公开了将机器学习用于纳米孔测序数据的处理与分析，构建了一种基于动态时间规整算法(Dynamic Time Warping，DTW)加K‑Means的聚类算法，以及基于卷积神经网络和循环神经网络的分类算法，解决了在纳米孔蛋白质从头测序实验数据中，无标签分子通过纳米孔易位时的自身方向性判断问题，以及对于易位过程中不同分子的身份识别问题。

公开(公告)号：CN116969411A

公开(公告)日：2023-10-31

申请号：CN202310455198.1

申请日：2023-04-25

Applicant: 中南大学

Inventor： 董竹新 ,  孟斌 ,  陈乐 ,  谢勇 ,  姚梓杨

IPC: B81C1/00 ,  B82Y30/00 ,  B82Y40/00 ,  G01N27/26 ,  G01N33/487 ,  G01N33/68

Abstract: 本发明属于蛋白质测序领域，具体公开了一种新型固态亚纳米孔的制备及其在蛋白质测序中的应用；本发明的技术方案具体为：在5nm厚的纯硅薄膜上简单可靠地加工出直径小于1nm的孔，并通过透射电镜成像与多层图像仿真对比，在原子尺度上三维重建孔的空间结构，再将关键的几何参数代入到有限元多物理场的建模中，模拟孔内的电场分布，计算亚纳米孔的电导率，从而评估这种制备方法在蛋白质单分子测序中的应用潜力与性能。本发明的这种新型纳米孔的感应区深度可低于1nm，在开发具有单点残基特异性（kmer=1）的蛋白质从头测序技术中比其他同类型的纳米孔更具优势，为蛋白质变体的单位点残基特异性检测提供了新的思路。

公开(公告)号：CN116741265A

公开(公告)日：2023-09-12

申请号：CN202310705437.4

申请日：2023-06-14

Applicant: 中南大学

Inventor： 董竹新 ,  谢勇 ,  陈乐

IPC: G16B20/30 ,  G06F18/23213 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于纳米孔蛋白质测序领域，具体公开了一种基于机器学习的纳米孔蛋白质测序数据处理方法及其应用；本发明公开了将机器学习用于纳米孔测序数据的处理与分析，构建了一种基于动态时间规整算法(Dynamic Time Warping，DTW)加K‑Means的聚类算法，以及基于卷积神经网络和循环神经网络的分类算法，解决了在纳米孔蛋白质从头测序实验数据中，无标签分子通过纳米孔易位时的自身方向性判断问题，以及对于易位过程中不同分子的身份识别问题。