-
公开(公告)号：CN118759104B
公开(公告)日：2024-12-13
申请号：CN202411244403.0
申请日：2024-09-06
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
IPC: G06N20/20
Abstract: 本发明公开了一种基于非靶向代谢组学的生物年龄预测方法及装置，涉及生物数据处理领域，包括：构建基于堆叠集成的生物年龄预测模型并训练，得到经训练的生物年龄预测模型；对待分析人员的血液样本中的每个代谢物的质谱数据进行处理和特征选择，得到关键代谢特征；将待检测人员对应的关键代谢特征输入到经训练的生物年龄预测模型，先经过基模型单元中的每个基模型，得到若干个第一年龄，将若干个第一年龄构成第一年龄向量并分别输入次级学习器单元中的每个次级学习器，得到若干个第二年龄，将若干个第二年龄构成第二年龄向量并输入终级学习器，得到预测年龄。本发明解决了现有生物年龄评估准确度低、缺乏综合性、复杂性和成本高等问题。
-
Patent Agency Ranking
公开(公告)号：CN118885802B
公开(公告)日：2024-12-13
申请号：CN202411384982.9
申请日：2024-09-30
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
IPC: G06F18/213 , G06F18/243 , G06N3/0464 , G06N3/08 , G16H50/30
Abstract: 本发明公开了一种基于深度学习与代谢谱分析的心血管年龄预测方法及装置，涉及生物数据处理领域，包括：获取健康人群和患有心血管疾病人群的血液样本并进行数据处理和特征选择，确定相关代谢物；构建基于深度学习的心血管年龄预测模型并训练，得到经训练的心血管年龄预测模型；获取待检测人员的血液样本并处理得到相关代谢物对应的代谢特征所构成的代谢组学特征矩阵，将代谢组学特征矩阵输入经训练的心血管年龄预测模型，经过代谢特征表示模块，得到代谢特征表示，代谢特征表示输入特征表示处理模块，预测得到待检测人员的心血管年龄，并计算得到心血管年龄加速度。本发明解决现有心血管年龄预测成本高、准确性低、缺乏广泛验证等问题。
-
公开(公告)号：CN118885802A
公开(公告)日：2024-11-01
申请号：CN202411384982.9
申请日：2024-09-30
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
IPC: G06F18/213 , G06F18/243 , G06N3/0464 , G06N3/08 , G16H50/30
Abstract: 本发明公开了一种基于深度学习与代谢谱分析的心血管年龄预测方法及装置，涉及生物数据处理领域，包括：获取健康人群和患有心血管疾病人群的血液样本并进行数据处理和特征选择，确定相关代谢物；构建基于深度学习的心血管年龄预测模型并训练，得到经训练的心血管年龄预测模型；获取待检测人员的血液样本并处理得到相关代谢物对应的代谢特征所构成的代谢组学特征矩阵，将代谢组学特征矩阵输入经训练的心血管年龄预测模型，经过代谢特征表示模块，得到代谢特征表示，代谢特征表示输入特征表示处理模块，预测得到待检测人员的心血管年龄，并计算得到心血管年龄加速度。本发明解决现有心血管年龄预测成本高、准确性低、缺乏广泛验证等问题。
-
公开(公告)号：CN118824552B
公开(公告)日：2025-01-21
申请号：CN202411303281.8
申请日：2024-09-19
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
Abstract: 本发明公开了一种基于深度学习和代谢组学数据的脑年龄预测方法及装置，涉及生物数据处理领域，包括：获取健康人群和患有老年脑部疾病人群的血液样本并进行处理得到若干个代谢物特征以进行特征筛选，确定与脑年龄相关的关键代谢物；构建脑年龄预测模型并训练，得到经训练的脑年龄预测模型，脑年龄预测模型包括代谢组学特征表示学习模块和预测模块，代谢组学特征表示学习模块采用改进的深度残差网络，预测模块采用深度神经网络；获取待检测人员的血液样本并得到由对应的关键代谢物的代谢物特征构成的代谢组学数据矩阵，将代谢组学数据矩阵输入经训练的脑年龄预测模型，预测得到待检测人员的脑年龄。本发明解决无法全面、准确的评估脑年龄的问题。
-
公开(公告)号：CN118824552A
公开(公告)日：2024-10-22
申请号：CN202411303281.8
申请日：2024-09-19
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
Abstract: 本发明公开了一种基于深度学习和代谢组学数据的脑年龄预测方法及装置，涉及生物数据处理领域，包括：获取健康人群和患有老年脑部疾病人群的血液样本并进行处理得到若干个代谢物特征以进行特征筛选，确定与脑年龄相关的关键代谢物；构建脑年龄预测模型并训练，得到经训练的脑年龄预测模型，脑年龄预测模型包括代谢组学特征表示学习模块和预测模块，代谢组学特征表示学习模块采用改进的深度残差网络，预测模块采用深度神经网络；获取待检测人员的血液样本并得到由对应的关键代谢物的代谢物特征构成的代谢组学数据矩阵，将代谢组学数据矩阵输入经训练的脑年龄预测模型，预测得到待检测人员的脑年龄。本发明解决无法全面、准确的评估脑年龄的问题。
-
公开(公告)号：CN118759104A
公开(公告)日：2024-10-11
申请号：CN202411244403.0
申请日：2024-09-06
Applicant: 厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所)
IPC: G01N30/86 , G06N20/20 , G06N20/00 , G06F18/15 , G06F18/243 , G06F18/211 , G01N30/72
Abstract: 本发明公开了一种基于非靶向代谢组学的生物年龄预测方法及装置，涉及生物数据处理领域，包括：构建基于堆叠集成的生物年龄预测模型并训练，得到经训练的生物年龄预测模型；对待分析人员的血液样本中的每个代谢物的质谱数据进行处理和特征选择，得到关键代谢特征；将待检测人员对应的关键代谢特征输入到经训练的生物年龄预测模型，先经过基模型单元中的每个基模型，得到若干个第一年龄，将若干个第一年龄构成第一年龄向量并分别输入次级学习器单元中的每个次级学习器，得到若干个第二年龄，将若干个第二年龄构成第二年龄向量并输入终级学习器，得到预测年龄。本发明解决了现有生物年龄评估准确度低、缺乏综合性、复杂性和成本高等问题。
-
-
-
-
-
Search Results
6
records
(took 0.06 seconds)
