-
公开(公告)号：CN110619322A
公开(公告)日：2019-12-27
申请号：CN201910994903.9
申请日：2019-10-18
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G16H50/20 , A61B5/0468
Abstract: 本发明公开了一种基于多流态卷积循环神经网络的多导联心电异常信号识别方法及系统，其中的方法包括：首先对获取的多导联心电数据进行去噪处理；然后搭建用于提取心电数据不同尺度的波形特征的多流态CNN模型，接着对提取的不同尺度的波形特征进行融合；接下来搭建用于提取融合后的波形特征中的时序特征的双向RNN模型；再将多流态CNN模型与双向RNN模型拼接成多流态卷积循环神经网络模型，并进行训练与微调；最后，将待处理的多导联心电数据进行去噪处理后，输入优化后的多流态卷积循环神经网络模型，获得异常信号识别结果。本发明增加了特征提取的特征量，减少了特征提取的难度，提高了分类识别的准确性以及模型的泛化能力。
-
公开(公告)号：CN119807774A
公开(公告)日：2025-04-11
申请号：CN202510053641.1
申请日：2025-01-14
Applicant: 武汉大学
IPC: G06F18/22 , G06F18/10 , G06F18/213 , G06F21/32 , G06V40/10 , G06N3/0464 , G06N3/048 , G06N3/047 , G06F18/214
Abstract: 本发明公开了一种基于混合生理状态心电信号的身份认证方法，涉及生物特征识别技术领域，旨在解决现有技术对心电信号的身份识别研究主要集中在静息状态，针对运动前后进行身份识别的研究较少的问题，其包括获取待测者的混合心电信号数据；对混合心电信号数据进行预处理，得到预处理后的混合心电信号数据；将预处理后的混合心电信号数据作为输入，基于心电信号提取网络模型输出得到嵌入特征向量；根据嵌入特征向量计算余弦相似度值，并根据余弦相似度值对待测者身份进行认证等步骤。本发明能够同时适应并处理运动状态和静息状态的心电信号，提高身份认证的准确率和鲁棒性。
-
公开(公告)号：CN114360659B
公开(公告)日：2024-11-08
申请号：CN202111570217.2
申请日：2021-12-21
Applicant: 武汉大学
Abstract: 本发明提供了一种结合与或树与单步反应规则预测的生物逆合成方法及系统，其中的方法在对目标分子进行逆合成处理时，将目标分子的逆合成途径生成分解为多步单步反应规则预测。在单步反应规则预测时，上一步预测得到的反应规则的底物分子作为当次待预测反应规则的产物分子。以产物分子的SMILES序列作为输入，自定义计算产物分子的分子特征，以兼容多种单步反应规则预测模型。根据模型的预测结果确定反应规则，再基于与或树结构进行扩展。最终找到目标分子的潜在合成途径。本发明显著提高了找到可行合成途径的速度，不需人工设置复杂参数，能辅助生物学家更加快速地找到潜在的代谢途径，减少实验成本，提高实验效率。
-
公开(公告)号：CN118711672A
公开(公告)日：2024-09-27
申请号：CN202410802421.X
申请日：2024-06-20
Applicant: 武汉大学
IPC: G16B40/00 , G16B50/10 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种基于拓扑感知注意力网络的蛋白质功能预测方法及装置，其中的方法包括如下步骤S1：获取公开蛋白质功能注释数据集、公开的描述基因本体及关系obo文件；S2：构建蛋白质图输入和基因本体图输入；S3：搭建基于拓扑感知的蛋白质‑基因本体论注意力网络，其中包括拓扑感知的注意力模块和多头聚合器；S4：利用步骤S1中的数据对步骤S3中的拓扑感知的蛋白质‑基因本体注意力网络进行训练，得到训练好的蛋白质功能预测模型。S5：对待一个待预测功能的蛋白质，利用步骤S5中的训练好的模型生成其被每一个GO术语注释的概率。通过本发明的方法可以提升蛋白质功能预测的效果。
-
公开(公告)号：CN118658470A
公开(公告)日：2024-09-17
申请号：CN202410802638.0
申请日：2024-06-20
Applicant: 武汉大学
Abstract: 本公开提供了一种基于多模态信息的复杂场景下唤醒词识别方法及装置，其中，方法包括三个步骤：步骤一：语音信号中潜在唤醒词语音片段的检测；步骤二：基于潜在唤醒词语音与对应场景视频信息的目标说话人识别；步骤三：结合潜在唤醒词语音与目标说话人唇动视频的唤醒词语音识别。利用本公开的方法，可以提高多人、嘈杂等复杂场景下识别唤醒词的能力。
-
Patent Agency Ranking
公开(公告)号：CN116636855A
公开(公告)日：2023-08-25
申请号：CN202310239474.0
申请日：2023-03-13
Applicant: 武汉大学
IPC: A61B5/318 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种驾驶员心电状态监控分类系统及方法。本发明微处理器通过心电信号传感器采集多个时刻的心电信号，人本标记每个时刻的真实驾驶状态类别；构建驾驶心电状态分类神经网络，优化训练得到优化后驾驶心电状态分类神经网络；心电信号传感器采集实时心电信号并输出至所述微处理器，所述微处理器将实时心电信号通过优化后驾驶心电状态分类神经网络进行预测分类，得到实时的驾驶状态预测类别并通过所述显示模块显示，若驾驶状态预测类别属于驾驶疲劳则通过预警模块进行语音预警。本发明优点在于，采用轻量化深度学习模型，响应速度快、功能性强；可以实时监控驾驶员的生理状态，从而第一时间进行预警。
-
公开(公告)号：CN113628699B
公开(公告)日：2023-03-17
申请号：CN202110756061.0
申请日：2021-07-05
Applicant: 武汉大学
Abstract: 本发明提供的基于改进的蒙特卡罗强化学习方法的逆合成问题求解方法及装置，方法包括：步骤1.将待求解逆合成的目标化合物作为根节点，选择改进的UCT函数值最高的作为最佳子节点；步骤2.执行扩展动作产生新的子节点；步骤3.若迭代产生的所有产物都出现在代谢空间代谢物底盘菌株上，即得到了最终结果，将根据奖励政策返还奖励或罚款；否则，从可用的变换中随机采样反应规则，应用于当前化合物；计算子节点的策略产物和代谢物底盘菌株或可买到的化学产物的集合的Tanimoto得分；剔除排序靠后的反应规则；步骤4.将当前节点获得的Tanimoto得分返回给其父节点；步骤5.循环直到终止，得到逆合成求解结果。
-
公开(公告)号：CN114360662A
公开(公告)日：2022-04-15
申请号：CN202111569573.2
申请日：2021-12-21
Applicant: 武汉大学
Abstract: 本发明提供了一种基于两路多分支CNN的单步逆合成方法及系统，其中的方法在进行单步逆合成预测时，输入待预测分子的SMILES序列，经过两路多分支卷积层，特征拼接层，全连接层后，输出反应规则集能产生该分子的前k条反应规则。根据输出的反应规则，结合待预测分子的SMILES，最终计算得到目标分子的反应物SMILES，实现单步逆合成自动化。本实施例还提出一种基于两路多分支CNN的单步逆合成系统，通过反应数据集获取，训练集构造，模型构建，模型训练，单步逆合成预测以及结果可视化等模块处理过程，实现了目标分子的单步逆合成自动化。本发明成果既可用于化学逆合成领域，也可用于生物逆合成领域，具有比现有方法更广泛的用途。
-
公开(公告)号：CN111242242B
公开(公告)日：2022-04-12
申请号：CN202010125696.6
申请日：2020-02-27
Applicant: 武汉大学
IPC: G06K9/62 , G06N3/04 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于置信度选择的宫颈组织病理全玻片图像自动分类方法包括：S1：将宫颈组织病理全玻片图像切分为设定大小的小块，每张全玻片图像生成的小块集合为一个包，去除包中空白块。S2：搭建CNN模型。S3：训练CNN指定轮数。S4：依次排列连接作为全玻片图像的特征向量。S5：对支持向量机分类器进行训练。S6:将需要进行分类的宫颈组织病理全玻片图像经S1及S4处理，得到该图像的特征向量，输入训练好的支持向量机分类器，实现分类。本发明使用基于置信度选择的宫颈组织病理全玻片图像自动分类方法，辅助给医生提供参考，减低误诊、漏诊率，减少人工诊断所需的工作量，提高诊断效率。
-
公开(公告)号：CN112599187B
公开(公告)日：2022-03-15
申请号：CN202011510053.X
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于双流神经网络预测药物与靶标蛋白结合分数的方法，包括：S1、根据药物的SMILES序列生成药物的指纹向量；S2、根据靶标蛋白的氨基酸序列生成靶标蛋白的指纹向量；S3、将蛋白指纹和药物指纹输入非卷积神经网络，将蛋白序列与药物序列输入卷积神经网络；S4、利用attention机制融合两种神经网络提取的特征；S5、将融合的特征输入多层感知机，得到最终的双流神经网络，进而得到药物与靶标蛋白结合分数。本发明通过融合两种类别神经网络的方法，来提取单一神经网络难以提取完全的特征，再通过多层感知机预测药物与靶标蛋白结合分数，提升模型在药物与靶标蛋白结合分数预测上的准确率。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.031 seconds)
