-
公开(公告)号：CN119400394A
公开(公告)日：2025-02-07
申请号：CN202411560031.2
申请日：2024-11-04
Applicant: 天津大学
IPC: G16H50/20 , G16H50/70 , G06F18/24 , G06F18/213 , G06T7/00 , G06T7/30 , G06N3/0455 , G06N3/0464 , G06F18/25 , G06V10/26
Abstract: 本发明公开了一种基于深度学习与多模态融合的溶栓预测方法，属于溶栓预测技术领域，包括S1、收集缺血性脑卒中患者的MRI图像，构建脑卒中自动分割模型；S2、图像配准；S3、病灶分割；S4、溶栓预测。本发明提出了基于门控并行Mamba网络的脑卒中自动分割模型，能有效捕捉图像中的长距离依赖关系，快速且准确地实现对缺血性脑卒中病灶的分割，极大地提升了病灶识别的效率与准确性；本发明提出的算法实现了线性时间复杂度，大幅降低了计算资源消耗，突破了现有技术的瓶颈；本发明提出的基于多模态数据的脑卒中溶栓预测模型，为患者是否适合溶栓治疗提供科学的自动化决策支持，提升了医疗决策的质量与安全性。
-
Patent Agency Ranking
公开(公告)号：CN115906960B
公开(公告)日：2024-07-23
申请号：CN202211449256.1
申请日：2022-11-18
Applicant: 天津大学
IPC: G06N3/06 , G06N3/08 , C12N5/0793
Abstract: 本发明提供了一种基于生物学习神经网络的声音识别方法，包括：对生物体的原代神经元进行提取和培养，得到接种有神经元细胞的生物芯片；利用多通道生物信号采集系统记录生物芯片的放电信号；采用随机点电刺激的方式对生物芯片的每个区域进行多种刺激模板的学习，学习完成后得到生物学习神经网络；获取待识别的声音信号，并将声音信号编码为音乐模板；将音乐模板作用于生物学习神经网络；利用支持向量机对生物学习神经网络的放电响应进行分类，识别出声音信号。本发明中采用随机点电刺激，可以简单安全有效的抑制神经网络的同步爆发，提升生物学习神经网络的学习能力，构建具有稳定输出的网络，以低能高效、高准确性执行完成声音识别任务。
-
公开(公告)号：CN115810138B
公开(公告)日：2024-07-23
申请号：CN202211449802.1
申请日：2022-11-18
Applicant: 天津大学
IPC: G06V10/82 , G06V10/764 , G06N3/06 , G06N3/08
Abstract: 本发明公开了一种基于多电极阵列体外培养神经元网络的图像识别方法，设计了分区域多字母刺激范式，将正方形多电极阵列均分为四个子区域，每个区域施加一个不同字母轮廓映射的刺激位点，同时学习训练前使用随机点刺激方法抑制同步网络爆发。通过学习训练后，诱发神经元响应峰电位增多，网络放电率升高且爆发次数和参与爆发的电极数目增加，表明学习训练增强了网络神经元放电活动模式。此外，采用随机点刺激后降低了神经元网络同步爆发次数，学习后较传统学习方式测试四个字母响应增强且支持向量机分类正确率显著升高。基于多区域字母刺激学习训练范式揭示了体外培养神经元网络具有天生的熟悉度检测、学习和空间特异性识别能力。
-
公开(公告)号：CN118956968A
公开(公告)日：2024-11-15
申请号：CN202410896411.7
申请日：2024-07-05
Applicant: 天津大学
Abstract: 本发明公开了一种基于增强表达PRDM1的NK细胞的肿瘤免疫治疗方式，选取了多种手段评估该治疗方式的有效性。该方法包括以下步骤：步骤1，PRDM1过表达慢病毒构建体制备；步骤2，制备增强表达PRDM1的慢病毒颗粒；步骤3，增强表达PRDM1的慢病毒颗粒感染NK细胞；该方法制备得到的增强表达PRDM1的NK细胞显著提升了当今NK细胞治疗恶性肿瘤，尤其是实体肿瘤的疗效，通过提高穿孔素和颗粒酶表达提高NK细胞对靶细胞的杀伤效果，具有更高的敏感性和持续性，能为肿瘤患者的治疗提供有效的帮助。
-
公开(公告)号：CN115810138A
公开(公告)日：2023-03-17
申请号：CN202211449802.1
申请日：2022-11-18
Applicant: 天津大学
IPC: G06V10/82 , G06V10/764 , G06N3/06 , G06N3/08
Abstract: 本发明公开了一种基于多电极阵列体外培养神经元网络的图像识别方法，设计了分区域多字母刺激范式，将正方形多电极阵列均分为四个子区域，每个区域施加一个不同字母轮廓映射的刺激位点，同时学习训练前使用随机点刺激方法抑制同步网络爆发。通过学习训练后，诱发神经元响应峰电位增多，网络放电率升高且爆发次数和参与爆发的电极数目增加，表明学习训练增强了网络神经元放电活动模式。此外，采用随机点刺激后降低了神经元网络同步爆发次数，学习后较传统学习方式测试四个字母响应增强且支持向量机分类正确率显著升高。基于多区域字母刺激学习训练范式揭示了体外培养神经元网络具有天生的熟悉度检测、学习和空间特异性识别能力。
-
公开(公告)号：CN115906960A
公开(公告)日：2023-04-04
申请号：CN202211449256.1
申请日：2022-11-18
Applicant: 天津大学
IPC: G06N3/06 , G06N3/08 , C12N5/0793
Abstract: 本发明提供了一种基于生物学习神经网络的声音识别方法，包括：对生物体的原代神经元进行提取和培养，得到接种有神经元细胞的生物芯片；利用多通道生物信号采集系统记录生物芯片的放电信号；采用随机点电刺激的方式对生物芯片的每个区域进行多种刺激模板的学习，学习完成后得到生物学习神经网络；获取待识别的声音信号，并将声音信号编码为音乐模板；将音乐模板作用于生物学习神经网络；利用支持向量机对生物学习神经网络的放电响应进行分类，识别出声音信号。本发明中采用随机点电刺激，可以简单安全有效的抑制神经网络的同步爆发，提升生物学习神经网络的学习能力，构建具有稳定输出的网络，以低能高效、高准确性执行完成声音识别任务。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
