-
公开(公告)号：CN118966070A
公开(公告)日：2024-11-15
申请号：CN202411089005.6
申请日：2024-08-09
Applicant: 湖南大学
IPC: G06F30/28 , G06F9/50 , G06F9/48 , G06F9/54 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种自适应划分的三级并行火灾动力学模拟系统及方法，其中系统包括：构建模块和运行模块；构建模块用于基于FDS构建三级并行的火灾动力学模拟模型；火灾动力学模拟模型为原始FDS的改进，包括：进程层面、节点间层面和节点内层面；在进程层面采用自适应的网格生成算法，实现火灾动力学模拟模型的负载均衡；在节点间层面采用数据局部性感知的拓扑映射方案，减少火灾动力学模拟模型的远距离节点间通信次数和最小化通信开销；在节点内层面采用基于轮询的任务调度方案，提高火灾动力学模拟模型的性能。本发明设计了自适应网格生成算法来平衡输入网格的工作负载，将输入网格分解为子网格，以实现将FDS从数个进程扩展到数千个进程。
-
公开(公告)号：CN117851063A
公开(公告)日：2024-04-09
申请号：CN202410037338.8
申请日：2024-01-10
Applicant: 湖南大学
Abstract: 基于超算平台的医疗数据并行集成处理方法及系统，调用交互模块通过WEB用户界面或SDK组件获取用户的任务需求数据，将获取的任务需求数据发送到通信模块；通信模块采用任务管理组件对接收的任务需求数据进行解码以转换为任务指令；将转换的任务指令采用负载均衡的方式分配到提取模块；提取模块利用分布式内存数据库检索任务指令对应的任务需求数据，并对检索后的任务需求数据进行集成操作；当提取模块完成任务需求数据的提取和集成后，通过通信模块中的数据中继组件定时轮询以获得返回结果，并将返回结果以文件或数据流的形式返回给用户。本发明提高数据提取和集成速度，可以匹配并行化的提取集成过程，优化了内存占用；具有较低学习成本。
-
公开(公告)号：CN116628489A
公开(公告)日：2023-08-22
申请号：CN202310352952.9
申请日：2023-04-04
Applicant: 湖南大学
IPC: G06F18/214 , G06F18/10 , G16H50/70
Abstract: 本发明公开了一种用于医疗特征生成模型的半监督条件迁移学习方法，包括S1、对输入源域和目标域数据进行特征预处理；S2、按照预设的规则对源域数据进行筛选，得到筛选后的源域数据；S3、将筛选后的源域数据根据特征是否稀有分为预训练的训练集和测试集；S4、构建基于源域数据特点的特征生成模型；S5、按照预设的规则对目标域数据进行筛选，得到筛选后的目标域数据；S6、生成目标域数据表征；S7、生成与源域数据维度相同的数据集；S8、将筛选的源域数据与目标域数集合并，形成混合数据集；S9、基于混合数据集进行重新训练得到带有目标域数据特点的特征生成模型；S10、重复步骤S5‑S9。本发明通过多种特征增强方法，强化了原始数据的特点。
-
公开(公告)号：CN118966070B
公开(公告)日：2025-04-01
申请号：CN202411089005.6
申请日：2024-08-09
Applicant: 湖南大学
IPC: G06F30/28 , G06F9/50 , G06F9/48 , G06F9/54 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种自适应划分的三级并行火灾动力学模拟系统及方法，其中系统包括：构建模块和运行模块；构建模块用于基于FDS构建三级并行的火灾动力学模拟模型；火灾动力学模拟模型为原始FDS的改进，包括：进程层面、节点间层面和节点内层面；在进程层面采用自适应的网格生成算法，实现火灾动力学模拟模型的负载均衡；在节点间层面采用数据局部性感知的拓扑映射方案，减少火灾动力学模拟模型的远距离节点间通信次数和最小化通信开销；在节点内层面采用基于轮询的任务调度方案，提高火灾动力学模拟模型的性能。本发明设计了自适应网格生成算法来平衡输入网格的工作负载，将输入网格分解为子网格，以实现将FDS从数个进程扩展到数千个进程。
-
Patent Agency Ranking
公开(公告)号：CN116631636A
公开(公告)日：2023-08-22
申请号：CN202310352774.X
申请日：2023-04-04
Applicant: 湖南大学
IPC: G16H50/70 , G16H50/20 , G06F18/10 , G06F18/214 , G06F18/243
Abstract: 本发明公开了一种基于机器学习的特征生成方法，包括：S1、对输入的原始数据进行预处理以及筛选；S2、将筛选后的数据分为预训练的特征集和标签集；S3、通过基于树的集成学习算法训练得到特征生成模型；S4、将疾病早期数据输入至特征生成模型进行疾病早期检测。本发明通过多种特征增强方法，强化了原始数据的特点，并一定程度的记录了病例的历史事件，采用基于树的集成学习算法，可以在有数据缺失的情况下完成数据生成，本发明符合人体生理指标的潜在规律，因此可以轻易的将模型迁移至其他具有相同格式的数据集中直接使用，具有较强的可迁移性。
-
公开(公告)号：CN118507062B
公开(公告)日：2025-05-16
申请号：CN202410584578.X
申请日：2024-05-12
Applicant: 湖南大学
IPC: G16H50/50 , G16H30/20 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种从肺癌组织病理学图像中预测气腔内播散的方法，包括：S1、对全玻片图像进行图像预处理；S2、基于预训练模型对预处理后的图像进行特征提取；S3、基于载玻片图像的特征构建空间拓扑图；S4、基于孪生混合编码器对空间拓扑图进行特征提取；S5、采用步骤S4提取的特征对肺癌组织病理学图像进行预测，得到气腔内播散结果。本发明通过孪生的图编码器对来组织病理学图像空间拓扑结构的特征进行学习，通过特征分享和跳跃连接来推理训练模型，实现从肺癌组织病理学图像中预测气腔内播散。
-
公开(公告)号：CN118507062A
公开(公告)日：2024-08-16
申请号：CN202410584578.X
申请日：2024-05-12
Applicant: 湖南大学
IPC: G16H50/50 , G16H30/20 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种从肺癌组织病理学图像中预测气腔内播散的方法，包括：S1、对全玻片图像进行图像预处理；S2、基于预训练模型对预处理后的图像进行特征提取；S3、基于载玻片图像的特征构建空间拓扑图；S4、基于孪生混合编码器对空间拓扑图进行特征提取；S5、采用步骤S4提取的特征对肺癌组织病理学图像进行预测，得到气腔内播散结果。本发明通过孪生的图编码器对来组织病理学图像空间拓扑结构的特征进行学习，通过特征分享和跳跃连接来推理训练模型，实现从肺癌组织病理学图像中预测气腔内播散。
-
公开(公告)号：CN116580848A
公开(公告)日：2023-08-11
申请号：CN202310538812.0
申请日：2023-05-15
Applicant: 湖南大学
IPC: G16H50/70 , G06F18/241 , G06F18/214 , G06F18/23 , G06N3/045 , G06N3/09 , G06N3/084 , G06F18/22 , G06F18/25 , G06N3/088
Abstract: 本发明公开了一种基于多头注意力机制的分析癌症多组学数据方法，包括：S1、对癌症多组学数据进行数据收集和预处理；S2、采用监督的多头注意力模型完成癌症多组学数据的分类任务；S3、采用基于多头注意力机制的解耦对比学习模型学习完成癌症多组学数据的聚类任务。本发明在分类任务和聚类任务上同时获得较好的效果，可以与临床信息的分析癌症的发病机理。
-
公开(公告)号：CN115527204A
公开(公告)日：2022-12-27
申请号：CN202211145469.5
申请日：2022-09-20
Applicant: 湖南大学
Abstract: 本发明公开了人工智能和生物信息学技术领域的一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法，该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法包括以下步骤：对肝癌组织的全幻灯片图像进行数据收集和预处理；使用多标签诊断框架辅助全幻灯片图像完成分类任务；使用多标签诊断框架辅助全幻灯片图像完成分割任务。该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法通过深度学习技术的多标签诊断框架对肝癌组织全幻灯片图像。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
