公开(公告)号：CN118942554A

公开(公告)日：2024-11-12

申请号：CN202411413098.3

申请日：2024-10-11

Applicant: 安徽大学

Inventor： 魏丕静 ,  周晶鑫 ,  郑春厚 ,  曹瑞芬 ,  丁云

IPC: G16B40/00 ,  G16B50/30 ,  G16B20/50 ,  G16B25/10 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明的一种基于多层图卷积神经网络的癌症驱动基因识别方法及设备，包括将收集到的基因的多组学特征进行相关预处理和计算，得到基因融合特征；将收集到的基因作为基因结点，基因之间的功能作为基因结点之间的边，得到基因网络；根据基因网络得到网络拓扑特征；将基因融合特征和网络拓扑特征输入到两个独立的多层图卷积神经网络中进行训练；将训练的结果分别送入两个独立的预测器中，得到每个基因最终的预测分数。本发明使用多层图卷积神经网络来学习节点的高阶邻居的特征，从而捕获同类基因之间的信息；在每一层图卷积神经网络中结合初始残差和身份映射技术；使用支持深度优先和广度优先搜索的随机游走算法，来提取网络的全局拓扑特征。

公开(公告)号：CN117710969B

公开(公告)日：2024-06-04

申请号：CN202410160202.6

申请日：2024-02-05

Applicant: 安徽大学

Inventor： 曹瑞芬 ,  孟庆斌 ,  魏丕静 ,  谭大禹 ,  郑春厚

IPC: G06V20/69 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T7/00 ,  G06T7/11 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供了一种基于深度神经网络的细胞核分割和分类方法，包括：S1：对病理图像进行预处理，得到预处理后的病理图像；S2：构建细胞核分割和分类的深度学习网络，并进行模型训练，其中，网络中使用注意力增强的编码器和解码器模块，并且在解码器模块之后使用预测细化模块；S3：将需要分割的病理图像送入模型中进行预测；S4：将模型预测结果进一步处理得到最终的细胞核分类和分类结果。本发明通过在网络模型中使用注意力增强的编码器，可以使模型有效地关注细胞核的关键信息的特征，增强整体网络的特征表达能力，并且在解码器模块中加入了预测细化模块，将粗预测结果进一步细化，这种细化可以帮助模型对邻近的细胞核做出更精确的分割和分类。

公开(公告)号：CN117726822B

公开(公告)日：2024-05-03

申请号：CN202410179356.X

申请日：2024-02-18

Applicant: 安徽大学

Inventor： 曹瑞芬 ,  张冬伟 ,  谭大禹 ,  郑春厚 ,  魏丕静

IPC: G06V10/26 ,  G06N3/0464 ,  G06N3/08 ,  G06T15/00 ,  G06T7/00 ,  G06T7/11 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/64

Abstract: 本发明公开了基于双分支特征融合的三维医学图像分类分割方法，包括以下步骤：S1：对三维医学模型数据进行采样和渲染，得到点云数据和多视图数据；S2：构建并训练基于神经网络的学习模型；S3：利用双分支特征提取模块提取获得患者的三维医学数据的点云特征信息和多视图特征信息；S4：将点云特征信息和多视图特征信息输入到训练模型中，学习模型的输出即为针对该患者预测得到的分类和分割结果；S5：将分类和分割结果通过输出模块打印输出。还公开了基于双分支特征融合的三维医学图像分类分割系统，包括：输入模块、双分支特征提取模块、特征融合模块、学习模块和输出模块。本发明大提高了治疗计划方案的质量以及专业医师的工作效率。

公开(公告)号：CN117789831A

公开(公告)日：2024-03-29

申请号：CN202311830026.4

申请日：2023-12-28

Applicant: 安徽大学

Inventor： 郑春厚 ,  鲍锦锦 ,  魏丕静 ,  高震 ,  曹瑞芬

IPC: G16B40/20 ,  G16B30/10 ,  G16B15/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于矩阵增强和特征融合的基因调控关系预测方法，包括：1、获取N个基因G及其调控关系R，2、根据R计算基因的有向邻接矩阵，3、生成源基因的相似性矩阵并归一化，4、生成靶基因的相似性矩阵并归一化，5、采用EASNN方法分别对归一化后的源基因和靶基因相似性矩阵进行处理，并对邻接矩阵进行矩阵增强处理，6、生成基因的协方差矩阵Co，并根据Co选择任一基因对的邻域基因对集合，7、根据G得到各个基因对的总直方图集合Mg，8、得到各个基因对的总增强直方图集合Ma，9、构建CNN网络得到各个基因对之间存在调控关系的概率。本发明能有效融合基因表达特征和增强的网络结构特征，从而能更加准测的预测基因之间的调控关系。

公开(公告)号：CN117726822A

公开(公告)日：2024-03-19

申请号：CN202410179356.X

申请日：2024-02-18

Applicant: 安徽大学

Inventor： 曹瑞芬 ,  张冬伟 ,  谭大禹 ,  郑春厚 ,  魏丕静

IPC: G06V10/26 ,  G06N3/0464 ,  G06N3/08 ,  G06T15/00 ,  G06T7/00 ,  G06T7/11 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/64

Abstract: 本发明公开了基于双分支特征融合的三维医学图像分类分割方法，包括以下步骤：S1：对三维医学模型数据进行采样和渲染，得到点云数据和多视图数据；S2：构建并训练基于神经网络的学习模型；S3：利用双分支特征提取模块提取获得患者的三维医学数据的点云特征信息和多视图特征信息；S4：将点云特征信息和多视图特征信息输入到训练模型中，学习模型的输出即为针对该患者预测得到的分类和分割结果；S5：将分类和分割结果通过输出模块打印输出。还公开了基于双分支特征融合的三维医学图像分类分割系统，包括：输入模块、双分支特征提取模块、特征融合模块、学习模块和输出模块。本发明大提高了治疗计划方案的质量以及专业医师的工作效率。

公开(公告)号：CN119229958A

公开(公告)日：2024-12-31

申请号：CN202411316427.2

申请日：2024-09-20

Applicant: 安徽大学

Inventor： 魏丕静 ,  丁正 ,  丁云 ,  曹瑞芬 ,  郑春厚

IPC: G16B20/00 ,  G06F17/16 ,  G16B40/00 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了一种基于深层有向图卷积的基因网络调控关系的重构方法，包括：1、使用Node2Vec方法获取酿酒酵母菌基因调控网络的拓扑信息；2、对于酿酒酵母菌因调控网络使用图数据增强手段，获得更高效的信息表达；3、对于酿酒酵母菌基因调控网络的调控方向问题，使用有向图神经网络的预测调控关系方向信息；4、构建深层有向图卷积模型，获取基因高阶的邻居信息；5、将酿酒酵母菌基因的表达特征和步骤1、2中得到的特征进行拼接后输入到模型中得到酿酒酵母菌调控网络预测分数矩阵，根据预测分数矩阵和阈值之间的关系，判断基因间是否存在调控关系。本发明能准确预测酿酒酵母菌基因间的调控关系，有助于更高效地研究生物体生化反应的本质。

公开(公告)号：CN118398215A

公开(公告)日：2024-07-26

申请号：CN202410821835.7

申请日：2024-06-24

Applicant: 安徽大学

Inventor： 曹瑞芬 ,  关艺扬 ,  魏丕静 ,  夏俊峰 ,  郑春厚

IPC: G16H50/30 ,  G16B25/10 ,  G16B35/20 ,  G16H10/20 ,  G16H50/70 ,  G06N20/00 ,  G06F17/18

Abstract: 本发明公开了一种头颈鳞状细胞癌的放疗敏感性预测方法及设备，包括导入患者的RNA‑seq基因数据及临床信息数据；进行差异表达分析和加权基因共表达网络分析，得到与放疗相关的基因模块；进行单因素Cox分析和Lasso回归分析，筛选放疗相关模块中的基因，得到放射治疗相关重要基因；筛选出的基因进行多因素Cox分析，得到基因系数和基因得分的线性组合作为风险评分；风险评分和患者的临床特征作为梯度提升机GBM方法的输入，对患者进行生存概率预测，预测结果的中位数作为阈值将患者划分为放疗敏感或非敏感组别。本发明通过综合利用基因表达数据和患者的临床特征，为头颈鳞状细胞癌患者的放疗敏感性提供了准确的预测，有助于个体化治疗方案的制定和优化。

公开(公告)号：CN114863995B

公开(公告)日：2024-05-07

申请号：CN202210325550.5

申请日：2022-03-30

Applicant: 安徽大学

Inventor： 郑春厚 ,  江林杰 ,  魏丕静 ,  苏延森 ,  夏俊峰

IPC: G16B15/00 ,  G16B40/00 ,  G06F18/241 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于双向门控循环神经网络的沉默子预测方法，其中方法包括以下步骤：S1，收集数据集；S2，基于步骤S1中收集的所述数据集进行双向门控循环神经网络模型的构建；S3，对步骤S2中构建的模型进行训练并验证；S4，根据步骤S3中训练好的所述模型进行沉默子概率的预测。本发明对训练集数据采用多次训练，构建出最优的模型对沉默子预测与分类，为后续沉默子的预测发展做出了贡献。

公开(公告)号：CN117710969A

公开(公告)日：2024-03-15

申请号：CN202410160202.6

申请日：2024-02-05

Applicant: 安徽大学

Inventor： 曹瑞芬 ,  孟庆斌 ,  魏丕静 ,  谭大禹 ,  郑春厚

IPC: G06V20/69 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T7/00 ,  G06T7/11 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供了一种基于深度神经网络的细胞核分割和分类方法，包括：S1：对病理图像进行预处理，得到预处理后的病理图像；S2：构建细胞核分割和分类的深度学习网络，并进行模型训练，其中，网络中使用注意力增强的编码器和解码器模块，并且在解码器模块之后使用预测细化模块；S3：将需要分割的病理图像送入模型中进行预测；S4：将模型预测结果进一步处理得到最终的细胞核分类和分类结果。本发明通过在网络模型中使用注意力增强的编码器，可以使模型有效地关注细胞核的关键信息的特征，增强整体网络的特征表达能力，并且在解码器模块中加入了预测细化模块，将粗预测结果进一步细化，这种细化可以帮助模型对邻近的细胞核做出更精确的分割和分类。

公开(公告)号：CN116501983A

公开(公告)日：2023-07-28

申请号：CN202310297729.9

申请日：2023-03-24

Applicant: 安徽大学

Inventor： 郑春厚 ,  李子珏 ,  曹瑞芬 ,  苏延森 ,  魏丕静

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F16/9537 ,  G06Q50/14 ,  G06F30/20 ,  G06F111/06

Abstract: 本发明公开了一种基于邻域选择的多目标旅游推荐方法，包括以下步骤：S1：数据集构建：收集用户的历史访问序列，并对数据集进行数据筛选；S2：用户邻居池的构建：将用户划分为新用户和老用户，计算不同目标用户的邻居列表，最终选取相似度排名前m名的用户作为邻居放入邻居池；S3：多目标推荐模型建立：将用户所关心的推荐准确度和新颖性这两个指标转化为两个目标的多目标优化模型；S4：多目标进化算法优化邻居列表：使用改进的多目标进化算法对邻居列表进行优化，得到最优的邻居列表；S5：根据优化得到的最优邻居集产生目标用户的景点推荐列表。还公开了一种基于邻域选择的多目标旅游推荐系统。本发明能够得到满足要求的多个非劣解。