-
公开(公告)号：CN110136113B
公开(公告)日：2022-06-07
申请号：CN201910399732.5
申请日：2019-05-14
Applicant: 湖南大学
Abstract: 本发明属于计算机视觉及机器学习技术领域，公开了一种基于卷积神经网络的阴道病理图像分类方法。本发明包括步骤：使用上采样方法，得到类别平衡的阴道病理图像数据集；利用数据增强方法扩增阴道病理图像数据集；利用扩增的阴道病理图像数据集对图像分类卷积神经网络进行训练；利用交叉熵损失函数，结合BP算法对图像分类卷积神经网络进行网络参数更新；通过训练后的最优图像分类卷积神经网络对输入图像进行分类。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经验知识，耗费大量的时间和精力完成，提取出有区分性的高质量特征也往往存在一定的困难，而且准确率低，本发明借助于卷积神经网络，实现阴道病理图像的高精度分类。
-
公开(公告)号：CN111524546B
公开(公告)日：2022-05-03
申请号：CN202010288303.3
申请日：2020-04-14
Applicant: 湖南大学
Abstract: 本发明属于计算机技术应用领域，公开了一种基于异构信息的药物‑靶标相互作用预测方法。在已知药物‑靶标、药物‑药物和靶标‑靶标的关系矩阵的前提下，通过构建药物和靶标的可变特征表示，重建各关系矩阵。将各重建矩阵与原矩阵之差作为误差矩阵，将各误差矩阵逐元素求平方后再逐元素加和作为重建误差。将重建误差反向求导，通过梯度下降的方法同步更新变量，使重建误差逐渐收敛到最小。取重建误差最小化时的重建药物‑靶标关系矩阵，与原关系矩阵进行对比即可得到新预测出的药物‑靶标相互作用关系。本发明可以充分整合药物和靶标相关的异构信息，为计算机辅助药物发现和药物重定位提供有力的工具，具有良好的应用前景。
-
公开(公告)号：CN111524546A
公开(公告)日：2020-08-11
申请号：CN202010288303.3
申请日：2020-04-14
Applicant: 湖南大学
Abstract: 本发明属于计算机技术应用领域，公开了一种基于异构信息的药物‑靶标相互作用预测方法。在已知药物‑靶标、药物‑药物和靶标‑靶标的关系矩阵的前提下，通过构建药物和靶标的可变特征表示，重建各关系矩阵。将各重建矩阵与原矩阵之差作为误差矩阵，将各误差矩阵逐元素求平方后再逐元素加和作为重建误差。将重建误差反向求导，通过梯度下降的方法同步更新变量，使重建误差逐渐收敛到最小。取重建误差最小化时的重建药物‑靶标关系矩阵，与原关系矩阵进行对比即可得到新预测出的药物‑靶标相互作用关系。本发明可以充分整合药物和靶标相关的异构信息，为计算机辅助药物发现和药物重定位提供有力的工具，具有良好的应用前景。
-
公开(公告)号：CN110136113A
公开(公告)日：2019-08-16
申请号：CN201910399732.5
申请日：2019-05-14
Applicant: 湖南大学
Abstract: 本发明属于计算机视觉及机器学习技术领域，公开了一种基于卷积神经网络的阴道病理图像分类方法。本发明包括步骤：使用上采样方法，得到类别平衡的阴道病理图像数据集；利用数据增强方法扩增阴道病理图像数据集；利用扩增的阴道病理图像数据集对图像分类卷积神经网络进行训练；利用交叉熵损失函数，结合BP算法对图像分类卷积神经网络进行网络参数更新；通过训练后的最优图像分类卷积神经网络对输入图像进行分类。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经验知识，耗费大量的时间和精力完成，提取出有区分性的高质量特征也往往存在一定的困难，而且准确率低，本发明借助于卷积神经网络，实现阴道病理图像的高精度分类。
-
-
-
Search Results
4
records
(took 0.017 seconds)
