公开(公告)号：CN119418755A

公开(公告)日：2025-02-11

申请号：CN202410880048.X

申请日：2024-07-02

Applicant: 安徽大学

Inventor： 王斌斌 ,  刘欣悦 ,  李志鹏

IPC: G16B15/20 ,  G16B40/00 ,  G16C10/00

Abstract: 本发明提供一种基于深度学习方法预测蛋白质Aβ42的动态结构变化方法集系统，包括以下步骤：从分子动力学轨迹中提取每一帧的PDB；计算每个PDB的2DIR；按照功能特性区域拆分PDB；计算每个PDB的α‑碳距离矩阵distance map；根据训练好的深度学习模型预测每个区域的α‑碳距离矩阵distance map；构建蛋白质三维结构；片段合并及与三维结构比较：将优化后的三段PDB对齐，并合并成一个完整的PDB蛋白质三维结构；最后，求出预测得到的PDB与真实PDB的RMSD误差。本发明采用了一种分而治之的策略，利用2DIR预测蛋白质结构中三段不同的区域，最后成功构建成三维结构。该方法为探索Aβ42结构和动态变化提供了一种新的方法，开辟了研究阿尔兹海默症新的视角，也为药物设计提供了重要信息。

公开(公告)号：CN117495841A

公开(公告)日：2024-02-02

申请号：CN202311633609.8

申请日：2023-12-01

Applicant: 安徽大学

Inventor： 马健 ,  王俊博 ,  梁栋 ,  黄林生 ,  贾兆红 ,  刘恋国 ,  李志鹏

IPC: G06T7/00 ,  G06N3/0464 ,  G06T7/13

Abstract: 本发明涉及光场图像质量评价领域，本发明公开了一种基于光场解耦的无参考光场图像质量评价方法及系统，包括:利用特殊设计的图像块选择策略，对原始光场图像进行信息筛选和重构，获得质量较高的训练样本；对所述的训练样本利用光场解耦机制，将高纬度的光场图像数据转化为面向神经网络的低纬度输入数据；设计多流卷积神经网络对输入数据进行特征提取，学习光场图像中的空间质量信息、角度质量信息以及空间角度一致性信息；基于融合后的特征信息获得质量预测值；本发明利用解耦思想结合多流卷积神经网络提取光场图像的质量相关特征，对光场图像的质量评价更贴近人眼主观评价，相比其他评价方法，在多个公开数据集上准确度更高。

公开(公告)号：CN117152067A

公开(公告)日：2023-12-01

申请号：CN202311025101.X

申请日：2023-08-14

Applicant: 安徽大学

Inventor： 马健 ,  张潇尹 ,  李志鹏 ,  王俊博 ,  刘恋国

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明提供了一种基于深度元学习的无参考光场图像质量评估方法及系统，分别构建包含无参考光场图像质量评估任务的训练集和包含目标评估任务的测试集；构建包含Swim Transformer网络结构的深度元学习模型；基于训练集，学习失真的先验知识，得到质量先验模型；在测试集上对质量先验模型进行微调，得到最终的光场图像质量评估模型；利用光场图像质量评估模型对待评估光场图像进行光场图像质量评估。本发明克服了光场图像的空间和角度信息结合不够导致实验结果与真实结果相差较远以及采用深度学习可能会产生的拟合问题和对各种扭曲的不适应性，适应每一种扭曲类型，性能大大增强。

公开(公告)号：CN117152067B

公开(公告)日：2025-02-28

申请号：CN202311025101.X

申请日：2023-08-14

Applicant: 安徽大学

Inventor： 马健 ,  张潇尹 ,  李志鹏 ,  王俊博 ,  刘恋国

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本发明提供了一种基于深度元学习的无参考光场图像质量评估方法及系统，分别构建包含无参考光场图像质量评估任务的训练集和包含目标评估任务的测试集；构建包含Swin Transformer网络结构的深度元学习模型；基于训练集，学习失真的先验知识，得到质量先验模型；在测试集上对质量先验模型进行微调，得到最终的光场图像质量评估模型；利用光场图像质量评估模型对待评估光场图像进行光场图像质量评估。本发明克服了光场图像的空间和角度信息结合不够导致实验结果与真实结果相差较远以及采用深度学习可能会产生的拟合问题和对各种扭曲的不适应性，适应每一种扭曲类型，性能大大增强。