-
公开(公告)号:CN120089243A
公开(公告)日:2025-06-03
申请号:CN202510101546.4
申请日:2025-01-22
Applicant: 浙江大学
IPC: G16C20/70 , A61K36/63 , A61K36/74 , A61K8/9789 , A61Q19/00 , G06F30/27 , G06F18/15 , G06F18/2113 , G06F18/2135 , G06F18/214 , G06F18/21 , G06N3/084 , G06N3/126 , A61K133/00 , A61K131/00 , G06F111/06 , G06F111/04 , G06F119/18 , G06F119/22
Abstract: 本发明公开了一种基于机器学习和多目标算法优化植物提取物制备的方法,属于植物提取技术领域。所述方法包括:首先,通过收集植物提取物制备过程中的数据,然后,使用反向传播神经网络模型建立工艺参数和产品品质之间的非线性映射关系,实现提取工艺和产品多个品质指标的预测,最后,结合多目标优化算法优化工艺参数。采用优化后的工艺参数进行植物提取物的制备可以显著提升提取产物的营养和感官品质。本发明满足多目标、复杂、高维的优化场景,适用任意植物提取物的制备,应用范围广。
-
公开(公告)号:CN118315043A
公开(公告)日:2024-07-09
申请号:CN202410306189.0
申请日:2024-03-18
Applicant: 浙江大学
IPC: G16H50/20 , G16H10/60 , G06V10/771 , G06V10/44 , G06V20/69 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N20/20 , G06N20/10 , G06N3/0464
Abstract: 本发明公开了一种基于机器学习的慢性炎症预测模型的构建方法及应用,属于机器学习应用领域。所述构建方法包括:首先获取慢性炎症个体的生物发光图像形成样本集;再提取炎症信号区域内的影像组学特征数据获得个体图像特征以及对应个体信息的数据集;然后以图像特征数据、图像采集时间、年龄为自变量,炎症严重程度为反应变量进行机器学习构建预测模型。本发明首次基于机器学习结合生物发光成像检测慢性炎症,能够显著提高预测效果,进而用于各种相关慢性疾病的早期诊断。
-