-
公开(公告)号：CN114972746B
公开(公告)日：2024-04-30
申请号：CN202210387736.3
申请日：2022-04-13
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于多分辨率重叠注意力机制的医学影像分割方法，基于多分辨率重叠注意力机制构建了一个具有跳跃连接的对称编码器‑解码器体系结构，编码器实现了从局部到全局的注意力机制，解码器将全局特征逐渐上采样到相应的输入分辨率；并且提出了跨尺度扩展层模块来实现上采样和特征维度的增加，最终通过分割头部模块实现像素级语义分割。本发明利用Transformer注意力机制和跳跃连接，充分利用全局上下文特征和各层次精细的语义信息，在全局和局部层次大大提高医学影像分割精度。
-
公开(公告)号：CN112853394A
公开(公告)日：2021-05-28
申请号：CN202011638802.7
申请日：2020-12-31
Applicant: 湖南大学
IPC: C25B11/091 , C25B1/04 , C25D3/56 , C25D15/00
Abstract: 本发明公开一种掺杂碳量子点的泡沫镍钼合金及制备方法，该方法包括以下步骤：(1)按照已知配方制备一份电沉积泡沫镍钼合金的电镀液；(2)采用葡萄糖水热法制备葡萄糖碳量子点溶液；(3)将葡萄糖碳量子点冷冻干燥成碳量子点固体，并将其研磨成碳量子点粉末后加入步骤(1)所得的溶液中以得到电沉积溶液；(4)以镍、钼为阳极，泡沫镍为阴极，放置于所述电沉积溶液中，采用单阴极、二阳极的方式进行电沉积；(5)将上述溶液加热到35～55℃，以表观阴极电流密度110～130mA/cm2进行电沉积。利用该方法制备的掺杂碳量子点的泡沫镍钼合金具有镀层质量好、析氢效果好、稳定性强且含钼量高的有益效果。
-
公开(公告)号：CN114512188B
公开(公告)日：2024-04-05
申请号：CN202210274125.8
申请日：2022-03-20
Applicant: 湖南大学
IPC: G16B25/10 , G06N3/049 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法，包括：S1、参数初始化；S2、构建DNA结合蛋白序列信息；S3、采用位置特异性得分矩阵表示蛋白质序列；S4、对位置特异性得分矩阵进行归一化，得到改进后的位置特异性得分矩阵；S5、输入卷积神经网络；S6、将卷积神经网络的输出结果输入至双向长短时记忆网络；S7、采用时间分布稠密层对不同存储单元生成的隐藏特征进行加权；S8、将稠密层的输出输入到Flatten层；S9、将改进后的位置特异性得分矩阵输入随机森林模型得到对特定蛋白质序列的决策结果；S10、将步骤S8的输出和步骤S9的决策结果输入评分层，按照设定的权重进行最终的预测评分。本发明提高了预测的性能和准确率。
-
公开(公告)号：CN114678064A
公开(公告)日：2022-06-28
申请号：CN202210352445.0
申请日：2022-04-04
Applicant: 湖南大学
Abstract: 本发明公开了一种基于网络表征学习的药物靶标相互作用预测方法，包括S1、参数初始化；S2、构建药物异质信息网络；S3、计算相应的相似网络；S4、将相似网络的邻接矩阵A作为输入，计算top‑l个矩阵A的特征分解[Λ,X]；S5、通过高阶相似性的阶数和各阶相似度的权重计算出重加权后的特征值Λ′；S6、对重加权后的特征值Λ′按绝对值的降序进行排序，并选择前d个特征值Λ′；S7、根据矩阵特征分解[Λ,X]计算出所述邻接矩阵A的前d个奇异值[U,Σ,V]；S8、根据奇异值[U,Σ,V]获取在低维向量空间中保持高阶近似性的嵌入向量；S9、使用十折交叉验证；S10、使用归纳矩阵补全法获得潜在药物‑靶点相互作用。本发明提高了预测精度并且提高表征的效率和性能。
-
Patent Agency Ranking
公开(公告)号：CN114664449A
公开(公告)日：2022-06-24
申请号：CN202210400531.4
申请日：2022-04-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于人工智能的糖尿病ICU患者死亡风险预测方法，包括：S1、按照设定标准采集糖尿病ICU患者的ICU数据；S2、将采集的ICU数据导入至数据库中，并取出糖尿病ICU患者的生命特征数据；S3、将采集的ICU数据以及生命特征数据中不符合规范的数据删除；S4、构建基于逻辑回归算法的预测模型、基于决策树算法的预测模型、基于随机森林算法的预测模型和基于混合双向LSTM的模型；S5、将步骤S3处理后的ICU数据以及生命特征数据输入至步骤S4中的模型进行模型训练和迭代训练，并选择最优模型；S6、将糖尿病ICU患者的基本信息和患者生命特征数据输入至最优模型中预测死亡风险。本发明能起到早期预警的效果，从而改善糖尿病ICU患者的治疗情况。
-
公开(公告)号：CN116206678A
公开(公告)日：2023-06-02
申请号：CN202310223854.5
申请日：2023-03-09
Applicant: 湖南大学
IPC: G16B15/30 , G16B15/20 , G16B40/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多壳层和扩展连接性指纹的药靶亲和力预测方法，使用PDBbind数据库中的蛋白质‑配体复合物作为数据集；对大分子蛋白质和小分子配体的结合口袋建模，从配体的几何中心向外构建N个壳层，根据蛋白质原子的空间坐标把蛋白质原子对应到各个壳层；通过原子符号、显式价、等特征把配体原子分为多种类别；把所有特异性原子对作为该壳层的特征，叠加多个壳层的特征得到复合物的特征向量；通过对复合物特征的3D切片，使用Transformer学习壳层原子对特征。本发明解决现有方法无法表征长程相互作用的问题；通过对复合物特征的3D切片，使得Transformer能够很好的学习到壳层原子对特征，进而改变了表征的性能。
-
公开(公告)号：CN118824354A
公开(公告)日：2024-10-22
申请号：CN202411007995.4
申请日：2024-07-25
Applicant: 湖南大学
Abstract: 本发明公开了一种基于联邦决策树的药靶亲和力预测方法，包括：S1、在本地使用基于多壳层扩展连接性指纹的方法进行药物和蛋白质的特征学习；S2、每个制药机构基于本地数据和初始分割点对GBDT模型进行一阶和二阶梯度计算，生成梯度直方图；S3、每个制药机构对其得到的梯度直方图进行同态加密操作，并将加密后的梯度直方图传输给中央服务器；S4、中央服务器将收集到的各个制药机构的加密后的梯度直方图进行聚合，根据GBDT模型的决策树构建流程生成下一步建树操作，并将该操作信息转发给各制药机构；S5、每个制药机构使用中央服务器发来的决策树构建信息来更新其本地GBDT模型。本发明在保证数据隐私的同时具有高效的药靶亲和力预测能力。
-
公开(公告)号：CN114972746A
公开(公告)日：2022-08-30
申请号：CN202210387736.3
申请日：2022-04-13
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多分辨率重叠注意力机制的医学影像分割方法，基于多分辨率重叠注意力机制构建了一个具有跳跃连接的对称编码器‑解码器体系结构，编码器实现了从局部到全局的注意力机制，解码器将全局特征逐渐上采样到相应的输入分辨率；并且提出了跨尺度扩展层模块来实现上采样和特征维度的增加，最终通过分割头部模块实现像素级语义分割。本发明利用Transformer注意力机制和跳跃连接，充分利用全局上下文特征和各层次精细的语义信息，在全局和局部层次大大提高医学影像分割精度。
-
公开(公告)号：CN114512188A
公开(公告)日：2022-05-17
申请号：CN202210274125.8
申请日：2022-03-20
Applicant: 湖南大学
Abstract: 本发明公开了一种基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法，包括：S1、参数初始化；S2、构建DNA结合蛋白序列信息；S3、采用位置特异性得分矩阵表示蛋白质序列；S4、对位置特异性得分矩阵进行归一化，得到改进后的位置特异性得分矩阵；S5、输入卷积神经网络；S6、将卷积神经网络的输出结果输入至双向长短时记忆网络；S7、采用时间分布稠密层对不同存储单元生成的隐藏特征进行加权；S8、将稠密层的输出输入到Flatten层；S9、将改进后的位置特异性得分矩阵输入随机森林模型得到对特定蛋白质序列的决策结果；S10、将步骤S8的输出和步骤S9的决策结果输入评分层，按照设定的权重进行最终的预测评分。本发明提高了预测的性能和准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
