-
Patent Agency Ranking
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。
-
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：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：CN114119517A
公开(公告)日：2022-03-01
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。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
