-
公开(公告)号：CN116306828A
公开(公告)日：2023-06-23
申请号：CN202310210826.X
申请日：2023-03-07
Applicant: 杭州电子科技大学丽水研究院
Abstract: 本发明公开了一种基于图同构神经网络的脑网络链接预测方法，首先对于脑网络数据进行处理，完成脑结构网络建模；再构建基于图同构神经网络的脑网络链接预测模型，包括子图提取模块和图同构神经网络模块；之后进行脑网络链接预测模型的训练和测试；最后通过训练完成的脑网络链接预测模型完成脑网络链接预测。本发明在实现较为高的准确率的基础上降低了时间成本，极大的提升了模型对于子图结构的学习能力，对于接下来的链接预测有十分重要的意义。
-
公开(公告)号：CN115631810A
公开(公告)日：2023-01-20
申请号：CN202211274910.X
申请日：2022-10-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于流的图同构自回归分子生成方法。首先进行数据预处理；构建基于流的图同构自回归分子生成模；通过预处理后的数据对分子生成模型进行训练；最后通过训练好的分子生成模型完成分子生成。本发明针对分子生成问题，采取了基于流的自回归生成模型，通过多层感知机求出基分布和现实数据分布之间的可逆变换，从而在提高了模型的灵活性同时，因其迭代的采样过程，使得可以在节点和边的生成过程中引入价态检验，这大大提高了所生成分子的现实意义。采用了图神经网络表征能力达到上限的图同构神经网络GIN来进行分子图的表示学习，极大的提升了模型对于分子图结构的学习能力。
-
公开(公告)号：CN117973460A
公开(公告)日：2024-05-03
申请号：CN202311793067.0
申请日：2023-12-25
Abstract: 本发明公开了一种基于多时间尺度图嵌入的动态脑网络学习方法，包括以下步骤：步骤1，通过滑动窗口法将血氧水平依赖(BOLD)信号按照不同的时间尺度进行划分，利用皮尔森相关系数计算不同时间尺度下对应的动态脑功能连接网络；步骤2，构建求动态拉普拉斯矩阵和动态图嵌入的目标函数；步骤3，确定步骤2中目标函数的优化方法；步骤4，将步骤1中的动态脑功能连接网络作为步骤2的输入，执行步骤3中的优化方法得到动态脑网络和图嵌入。该方法结合BOLD信号和图嵌入，利用图学习技术得到具有高动态性和高信噪比的动态脑网络，能更准确地反映出脑网络的动态变化，为相关疾病的诊断和治疗提供帮助。
-
公开(公告)号：CN116597890A
公开(公告)日：2023-08-15
申请号：CN202310662530.1
申请日：2023-06-06
Applicant: 杭州电子科技大学
IPC: G16B5/00 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自优化激活函数的生物信息时间序列预测方法，首先构建一个包含多种激活函数候选集；然后搭建自优化激活函数模块；将新的激活函数应用于循环神经网络中，用于实现非线性变换；最后通过改进后的循环神经网络对生物信息时间序列进行预测。本发明提出了一种新颖的自优化激活函数，使循环神经网络的每个激活函数能随着任务的不同自我优化改变自生结构，实现了循环神经网络设计和优化的更加灵活。与传统方法相比，本发明不仅提高了循环神经网络性能，还有效减少了选择激活函数所需的时间和成本。
-
公开(公告)号：CN114119517B
公开(公告)日：2024-12-10
申请号：CN202111346998.7
申请日：2021-11-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种联合病理与拓扑信息的神经病理hub节点识别方法，首先确定脑网络的基本数学模型；然后定义神经病理电势与神经病理电势差，再定义全脑网络的神经病理电势差；构建神经病理hub识别的能量函数，确定神经病理hub识别的最优化方法；最后预处理真实的神经影像数据，执行优化算法求取神经病理hub；本发明联合分析神经病理hub在脑网络拓扑结构中的作用以及神经病理负荷在神经病理hub处分布的特征表现，识别出具有高神经病理电势的hub节点，解决了传统hub识别方法仅考虑hub节点在网络结构中的拓扑特征的局限性。
-
Patent Agency Ranking
公开(公告)号：CN116385406A
公开(公告)日：2023-07-04
申请号：CN202310374306.2
申请日：2023-04-10
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于U‑Net的眼眶肿瘤图像分割方法，首先进行眼眶肿瘤数据集的采集；然后进行数据的预处理；再构建基于U‑Net的眼眶肿瘤图像分割模型；通过预处理后的数据集训练眼眶肿瘤图像分割模型；最后利用训练好的模型参数，实现眼眶肿瘤图像分割模型在眼眶肿瘤图像上的肿瘤区域分割。本发明的网络架构模型对于尺度变化明显的病情肿瘤区域能有较好的尺度敏感性，从而有利于改善分割模型对一些尺度变化大的难样本的分割精度。
-
公开(公告)号：CN116721759A
公开(公告)日：2023-09-08
申请号：CN202310668915.9
申请日：2023-06-07
Applicant: 杭州电子科技大学
Inventor： 赵健祥 , 颜成钢 , 沈晨雨 , 杨德富 , 乔松 , 吕骏晖 , 何敏 , 王帅 , 殷海兵 , 王鸿奎 , 赵治栋 , 高宇涵 , 孙垚棋 , 朱尊杰 , 张继勇 , 李宗鹏
IPC: G16H50/20 , G16H50/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于半脑不对称性的AD脑网络预测与分类方法及系统。针对AD脑网络预测与分类问题，采取了基于半脑不对称性的AD脑网络预测与分类方法，根据AD病理的半脑不对称性，通过全脑结构脑网络求出左右半脑网络，然后使用图同构神经网络对这三类数据进行脑图的嵌入学习，在嵌入学习时学习的是三者的共同特征，从而提高嵌入向量所含有的特征信息，从而最终提高脑图预测与分类的准确率。
-
公开(公告)号：CN116662758A
公开(公告)日：2023-08-29
申请号：CN202310662526.5
申请日：2023-06-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑网络拓扑结构的自适应hub节点识别方法，首先确定脑网络的基本数学模型；构建自适应hub识别的能量函数；再确定自适应hub识别的最优化方法；之后预处理真实的神经影像数据，最后执行优化算法求取hub节点。本发明的自适应hub识别方法可以依靠在方法中加入的自适应识别策略自动为每个网络选择最佳的hub数目，极大的提高了识别hub脑区的准确性和效率。
-
公开(公告)号：CN116595888A
公开(公告)日：2023-08-15
申请号：CN202310662539.2
申请日：2023-06-06
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06F17/14 , G06F17/15 , G06F119/02
Abstract: 本发明公开了一种基于傅里叶神经网络的生物动力学模型求解方法及系统。本发明提出了一种加入了傅里叶变换的神经网络(SB‑FNN)，并于物理知识嵌入的优化方式相结合构成傅里叶神经网络。SB‑FNN的傅里叶变换能力使其能够捕获复杂的模式和特征，这些模式和特征在空间域中具有挑战性，但在频域空间中很容易识别。这种可以捕获复杂特征的能力在系统生物学中尤为重要。生物动力学模型求解系统，包括微分方程组构建模块、惩罚函数构建模块、求解模块和变化推算模块。可以通过已知的物理知识，将其作为软约束，在无数据样本的情况下可以求解生物动力学模型。
-
公开(公告)号：CN116580248A
公开(公告)日：2023-08-11
申请号：CN202310662519.5
申请日：2023-06-06
Applicant: 杭州电子科技大学
Inventor： 赵健祥 , 颜成钢 , 张帅杰 , 杨德富 , 吕骏晖 , 乔松 , 何敏 , 王帅 , 赵治栋 , 高宇涵 , 孙垚棋 , 朱尊杰 , 张继勇 , 李宗鹏 , 殷海兵 , 王鸿奎
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据的AD图像预测与分类方法。首先进行数据预处理；然后构建AD图像预测与分类网络模型；通过空间信息聚合模块将预处理后的所有的脑区域图像重组为相同大小的特征patch块；通过patch特征提取模块获取加强patch‑leaval块；再通过注意力多实例学习模块来加强全局特征；最后通过全局分类器得到分类概率p；本发明使用了多模态数据结合的方式进行训练，增强了分类识别效果。本发明提出重采样提取图像特征的方法，将多模态的数据按照相同方法处理，标准化的图像提高泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
