-
公开(公告)号：CN111160431A
公开(公告)日：2020-05-15
申请号：CN201911317629.8
申请日：2019-12-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多维特征融合的圆锥角膜识别方法和装置，包括：1)利用了单例病人的多维度的数据，通过设计的标准化流程进行数据处理，并结合进行圆锥角膜的分级，分为正常、亚临床圆锥角膜和圆锥角膜；2)构建多维度模型，并进行多种方式的特征融合，并连接SE模块进行特征重组，再进行模型训练；3)利用梯度反向传播进行了类别判断的可解释性操作，并输出可视化图像；4)出于对圆锥角膜数据样式的特殊性考虑，对比了一维和二维卷积对其的影响；5)通过所设计的模型，选择三个分数中最大分数所在的类别为判别的类别，得到了很好的分类效果。本发明优化了实际应用中圆锥角膜识别效果不佳的问题。
-
公开(公告)号：CN111145912B
公开(公告)日：2023-04-18
申请号：CN201911337735.2
申请日：2019-12-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于机器学习的个性化超促排卵方案的预测装置，包括计算机存储器、计算机处理器，计算机存储器中存有超促排卵方案预测模型，所述的超促排卵方案预测模型包括训练好的初级学习器和次级学习器；其中，初级学习器由SVM模型、ExtraTrees模型、RandomForest模型、LightGBM模型和XGboost模型组成，次级学习器采用Catboost模型；所述计算机处理器执行所述计算机程序时实现以下步骤：将待测的临床特征数据进行特征工程处理，将处理后的特征数据输入初级学习器进行计算，获得五个模型的预测值；采用训练好的次级学习器对5个预测值进行计算，获得最终预测结果。利用本发明，可以提高了超促排卵方案的预测准确性。
-
公开(公告)号：CN114678069B
公开(公告)日：2022-09-06
申请号：CN202210587533.9
申请日：2022-05-27
Applicant: 浙江大学
Abstract: 本发明公开了一种器官移植的免疫排斥预测及信号通路确定装置，通过图表征模块来整合细胞转录组数据和基因信号通路数据以构建细胞系图；然后通过特征提取模块充分提取细胞系图中的节点特征和边特征作为细胞系特征后，采用自注意力层对细胞系特征进行自注意力计算，确定基因节点的注意力权重并得到注意力特征；最后，采用免疫排斥预测模块根据注意力特征预测细胞是否会产生免疫排斥；同时采用重要信号通路确定模块根据注意力权重值筛选的重要基因确定重要基因信号通路，这样在综合考虑细胞转录组数据和基因信号通路的基础上提高了细胞是否发生免疫排斥的预测准确率，同时也保证了寻找到正确的免疫排斥机制的重要基因信号通路。
-
公开(公告)号：CN114999630A
公开(公告)日：2022-09-02
申请号：CN202210636049.0
申请日：2022-06-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多源数据融合的肝移植受者预后预测装置，多源数据融合能够充分整合肝移植受者的影像学、肿瘤标志物、肿瘤免疫组化和肿瘤多组学等多源数据信息，相比现有的肝移植受者表征方式，能够容纳更多数据域的生物信息，同时也充分考虑肝移植受者在多源数据层面其反应的信息之间的潜在联系；提出的基于多源数据融合的肝移植受者预后预测模型，在高效提取个体特异性的多源数据的同时，能够充分考虑不同数据源之间的一致性与互补性，以全方面地考虑肝移植受者的病情，从而实现更加精准的肝移植受者预后预测。
-
Patent Agency Ranking
公开(公告)号：CN114678069A
公开(公告)日：2022-06-28
申请号：CN202210587533.9
申请日：2022-05-27
Applicant: 浙江大学
Abstract: 本发明公开了一种器官移植的免疫排斥预测及信号通路确定装置，通过图表征模块来整合细胞转录组数据和基因信号通路数据以构建细胞系图；然后通过特征提取模块充分提取细胞系图中的节点特征和边特征作为细胞系特征后，采用自注意力层对细胞系特征进行自注意力计算，确定基因节点的注意力权重并得到注意力特征；最后，采用免疫排斥预测模块根据注意力特征预测细胞是否会产生免疫排斥；同时采用重要信号通路确定模块根据注意力权重值筛选的重要基因确定重要基因信号通路，这样在综合考虑细胞转录组数据和基因信号通路的基础上提高了细胞是否发生免疫排斥的预测准确率，同时也保证了寻找到正确的免疫排斥机制的重要基因信号通路。
-
公开(公告)号：CN114240938A
公开(公告)日：2022-03-25
申请号：CN202210170571.4
申请日：2022-02-24
Applicant: 浙江大学
Abstract: 本发明公开了一种H&E染色切片图像中异常组织的分割方法和装置，通过构建特征缓存模块来存储异常组织编码特征与正常组织编码特征，并结合域自适应对比损失来引导分割模型忽略样本间的染色域差异，专注正常组织样本和异常组织样本之间的特征差异，以解决切片间染色域不同导致的预测效果差的问题，从而能够提高分割模型的异常区域的预测准确率；同时还充分利用正常组织样本进行模型训练，降低模型对专家标注的过分依赖。
-
公开(公告)号：CN112806957A
公开(公告)日：2021-05-18
申请号：CN202110435935.2
申请日：2021-04-22
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度学习的圆锥角膜和亚临床圆锥角膜检测系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有训练好的检测模型，所述的检测模型为一个多分支结构、多层次融合的端到端的深度学习模型KerNet；所述计算机处理器执行所述计算机程序时实现以下步骤：获取待检测的角膜原始三维数据，输入到检测模型后进行特征提取和分类，最终输出个体所属类别为圆锥角膜、亚临床圆锥角膜或者正常。利用本发明，能够直接对个体角膜原始三维数据进行特征提取，从而能够实现高精度的圆锥角膜、亚临床圆锥角膜检出。
-
公开(公告)号：CN109658996A
公开(公告)日：2019-04-19
申请号：CN201811416427.4
申请日：2018-11-26
Applicant: 浙江大学山东工业技术研究院
IPC: G16H10/60
Abstract: 本发明公开了一种基于边信息的体检数据补全方法，包括(1)构建和根据边信息补全体检-疾病矩阵、致病因子-疾病矩阵、致病因子-体检矩阵；(2)分别在任意两个矩阵之间建立编码解码网络D2F Net，D2C Net以及F2C Net；(3)联合训练D2F Net，D2C Net以及F2C Net，训练结束，致病因子-疾病矩阵和致病因子-体检矩阵已经被补全；(4)将待补全的体检-疾病矩阵输入到D2F Net，D2C Net中，利用补全的致病因子-疾病矩阵、致病因子-体检矩阵和F2C Net，经计算补全体检-疾病矩阵。还公开了一种基于边信息的体检数据补全装置，能够根据已有信息来补全体检数据和疾病结果。
-
公开(公告)号：CN109658419A
公开(公告)日：2019-04-19
申请号：CN201811359760.6
申请日：2018-11-15
Applicant: 浙江大学
Abstract: 一种医学图像中小器官的分割方法，包括以下步骤：(1)获取包含小器官的医学图像数据作为样本数据，经过预处理后标注标签，将标注后的样本数据分成训练集和测试集；(2)搭建分割模型，所述分割模型包括DRD模块和ESF模块，所述的DRD模块用于实现小器官的目标检测和动态区域选择，所述ESF模块用于实现对动态区域的精细分割和三维特征融合；(3)使用训练集对分割模型进行训练，根据模型预测结果与标签的重合度对网络的参数进行调节，直至模型收敛；(4)将需要分割的医学图像输入训练好的模型中，输出最终的分割结果。利用本发明的模型，可以准确分割出小器官，且该模型具有较高的计算效率。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.021 seconds)
