公开(公告)号：CN113486922B

公开(公告)日：2024-09-24

申请号：CN202110611935.3

申请日：2021-06-01

Applicant: 安徽大学

Inventor： 郑春厚 ,  张博 ,  曹瑞芬 ,  夏俊峰 ,  苏延森

IPC: G06F18/2413 ,  G16B20/00 ,  G16H50/70 ,  G06F18/25 ,  G06F18/23

Abstract: 本发明公开了一种基于栈式自编码器的数据融合优化方法，包括以下步骤：S1：利用栈式自编码器对获取的癌症患者多组学数据进行降维，得到能够代表原始数据的低维潜在表示；S2：利用步骤S1得到的降维之后的组学数据，基于径向基函数和利用欧氏距离度量样本之间的亲密程度，计算出相似矩阵；S3：为每个组学数据定义相对相似矩阵，利用归一化因子控制样本的密度；S4：对融合得到的平均相对相似矩阵进行谱聚类，从而对癌症患者进行亚型划分。还公开了一种基于栈式自编码器的数据融合优化系统。本发明能够对高维度、多噪声的组学数据进行降维和融合，准确有效地对癌症进行亚型聚类，能有效提升癌症亚型聚类效果。

公开(公告)号：CN118136244A

公开(公告)日：2024-06-04

申请号：CN202410048340.5

申请日：2024-01-12

Applicant: 安徽大学

Inventor： 丁云 ,  夏晓飞 ,  苏延森 ,  魏丕静 ,  曹瑞芬 ,  郑春厚

IPC: G16H50/30 ,  G06F18/25 ,  G06V10/52 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G16B30/00 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于Transformer的风险评分方法，其步骤包括：1.获取病理组织图像与基因组数据；2.建立病理图像与基因组特征提取模块；3.将提取的病理图像特征与基因组特征进行融合；4.利用建好的模型生成用户的风险评分。本发明能利用病理图像的细粒度特征以及用户的相互依赖关系，增强后的用户的基因组特征，从而能准确预测用户的风险评分。

公开(公告)号：CN117994511A

公开(公告)日：2024-05-07

申请号：CN202410003192.5

申请日：2024-01-02

Applicant: 安徽大学

Inventor： 谭大禹 ,  郝瑞 ,  苏延森 ,  郑春厚

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种医学图像分割方法、装置、设备及介质，属于图像分割技术领域，包括：收集公共医学图像数据集，对数据集进行预处理后，将数据集分为训练集和测试集；基于Unet网络构建图像分割模型，利用训练集和测试集对医学图像分割模型进行训练和验证，得到训练好的医学图像分割模型；利用训练好的医学图像分割模型进行医学图像分割；其中，所述图像分割模型包括依次连接的编码器和解码器；所述编码器经过PAT模块与解码器跳跃连接；所述PAT模块为嵌入2D的通道注意力机制和空间注意力机制的Transformer结构。本发明能够很好的对医学图像进行分割。

公开(公告)号：CN117711527A

公开(公告)日：2024-03-15

申请号：CN202311711633.9

申请日：2023-12-13

Applicant: 安徽大学 ,  合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

Inventor： 苏延森 ,  王成 ,  吴庆文 ,  夏欣 ,  童永其 ,  郑春厚

IPC: G16C20/50 ,  G16C20/70 ,  G16C20/40 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于风格转换的药物分子优化方法，其步骤包括：1、构建针对不同任务的药物分子数据集；2、搭建药物分子优化网络包括：分子编码器、分子风格检索模块、融合模块和分子解码器；3、构建建药物分子优化网络。本发明通过针对现有方法缺少优质分子引导，采用基于注意力机制的检索模块，提取分子的风格特征，并通过与待优化的分子结合来引导分子优化，从而产生新的化合物，使得新的化合物具有较高的相似性。

公开(公告)号：CN116049422A

公开(公告)日：2023-05-02

申请号：CN202211579157.5

申请日：2022-12-07

Applicant: 安徽大学

Inventor： 苏延森 ,  汪鹏鹏 ,  王明璐 ,  谭大禹

IPC: G06F16/36 ,  G06F40/284 ,  G06F40/242 ,  G06F40/295 ,  G06F40/30 ,  G06F40/211

Abstract: 本发明公开了一种基于联合抽取模型的包虫病知识图谱构建方法及其应用，其步骤包括：1、定义包虫病知识图谱的模式，2、构造包虫病训练数据集，3、构建包虫病信息联合抽取模型，4、训练包虫病信息联合抽取模型，并构建包虫病知识图谱。本发明通过针对包虫病文献语料特点设计联合抽取模型，采用多种优化策略解决包虫病文献句子中实体嵌套和关系重叠问题，从而能极大提升联合抽取模型对于包虫病文献知识三元组的抽取性能，保证构建的包虫病知识图谱对包虫病信息覆盖完整和全面。

公开(公告)号：CN115762631A

公开(公告)日：2023-03-07

申请号：CN202211240155.3

申请日：2022-10-11

Applicant: 安徽大学

Inventor： 魏丕静 ,  周舒利 ,  郑春厚 ,  苏延森

IPC: G16B20/20 ,  G16B20/50 ,  G16B40/00 ,  G06F18/25 ,  G06N20/20 ,  G06F18/2415 ,  G06F18/2411 ,  G06F18/2431

Abstract: 一种癌症驱动基因识别方法及系统，方法为：S1、收集正常样本与肿瘤样本的多组学数据，计算出组学特征值和网络结构特征值；S2、将处理后的组学特征值和网络结构特征值进行拼接，构建新的融合特征；另外使用集成学习的方法建立模型，使用序列前向选择策略对模型的第一层分类器进行筛选，第二层分类器采用逻辑回归对第一层分类器的结果赋予权重；S3、将新的融合特征输入到第一层的分类器，获得对应数量的分类器的预测概率；S4、将第一层的所有分类器的预测概率拼接后作为特征输入第二层的逻辑回归分类器进行拟合，最终模型输出表示基因成为驱动基因的概率。本发明同时考虑分子特征和网络结构特征，并克服了单个分类器性能偏差问题。

公开(公告)号：CN114021569A

公开(公告)日：2022-02-08

申请号：CN202111298745.7

申请日：2021-11-04

Applicant: 安徽大学

Inventor： 苏延森 ,  杨洋 ,  谭大禹

IPC: G06F40/295 ,  G06F16/36 ,  G06F40/284 ,  G16H50/70

Abstract: 本发明公开了一种基于深度学习的生物医学实体识别和关系预测的方法，其步骤包括：1.获取神经网络训练数据，即生物医学文献，对其进行分句分词操作，将非结构化文本处理成结构化文本；2.标注结构化文本，对句子中的实体以及实体间的关系进行手工标注工作；3.搭建深度神经网络模型；4.用标注好的数据训练构建好的模型，得到一个实验结果最优的深度学习模型；5.将未标注的数据输入到最优模型里，预测文献里的实体关系。本发明可以同时识别生物医学文献里的实体以及实体之间存在的关系，从而有效提高识别的准确率，并降低对计算资源的需求。

公开(公告)号：CN107424016B

公开(公告)日：2020-10-23

申请号：CN201710678426.6

申请日：2017-08-10

Applicant: 安徽大学

Inventor： 谢莹 ,  汪欣梅 ,  杨培全 ,  苏延森 ,  张磊 ,  程凡 ,  邱剑锋 ,  许荣斌

IPC: G06Q30/02

Abstract: 本发明公开了一种在线招聘广告推荐的实时竞价方法及其系统。所述方法提出了一个基于多目标优化参数更新的自动编码器(AutoEncoder)集成技术来设计实时竞价广告推荐策略。由此形成的系统为在线求职人员提供更方便、更快捷、更精确的职位广告推荐。同时，系统可以在多平台(手机、电脑、iPad)上提供同样水准的优质服务。系统在职位广告推荐精确度和平台多样性上有较好的效果，求职人员可以得到更精准的职位选择，广告主可以寻找到符合公司需求的员工，本系统可以获得更多广告主投资，最终实现多方利益最大化。

公开(公告)号：CN108388769A

公开(公告)日：2018-08-10

申请号：CN201810172154.7

申请日：2018-03-01

Applicant: 安徽大学

Inventor： 邱剑锋 ,  张兴义 ,  程凡 ,  苏延森 ,  张磊 ,  王从涛 ,  巢秀琴

IPC: G06F19/18

Abstract: 本发明公开了一种基于边驱动的标签传播算法的蛋白质功能模块识别方法，包括：步骤一、为PPI网络中|E|条边随机分配一个唯一的整数值m作为边的标签；步骤二、根据所定义的标签更新规则，通过迭代来改变PPI网络中各条边的标签，直至网络中的标签不再发生变化为止。本发明能减少PPI网络中噪声的干扰，提高算法识别过程的稳定性，从而在较大规模的PPI网络中获得更精确有效的蛋白质功能模块划分结果。

公开(公告)号：CN120015132A

公开(公告)日：2025-05-16

申请号：CN202411845699.1

申请日：2024-12-16

Applicant: 安徽大学

Inventor： 郑春厚 ,  肖可扬 ,  王静 ,  苏延森 ,  丁云 ,  范芳菲

IPC: G16B40/20 ,  G16B50/10 ,  G06N5/01 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/09

Abstract: 本发明公开了一种基于多尺度对比学习的空间转录组学细胞聚类的方法，包括以下步骤：S1，进行数据预处理；S2，使用处理后的数据进行图构建；S3，进行数据增强；S4，使用GCN提取细胞基因表达信息；S5，使用ContraNorm层丰富节点信息；S6，使用多尺度图对比学习进一步学习信息，并用学习得到的最终信息进行生物学分析。本发明利用计算机辅助细胞类型分析，无需大量高质量数据，只需利用基因表达数据和细胞空间位置信息数据，就能预测哪些细胞属于同一个类别，提供更多的有效信息帮助研究人员识别癌症的起始和疾病的发展。