-
公开(公告)号：CN119314590A
公开(公告)日：2025-01-14
申请号：CN202411366979.4
申请日：2024-09-29
Applicant: 安徽大学
IPC: G16C20/50 , G16C20/70 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于隐空间扩散模型的药物分子优化方法，包括：1.构建针对不同任务的药物分子数据集，2.构建和预训练分子SMILES自编码器，4.构建和训练基于隐空间扩散模型的分子优化模型，4.利用训练好的扩散模型生成新分子。本发明能够生成与原分子具有较高的相似性，并且具有更好属性、更多样化的新分子，从而提高了药物分子多种属性的优化效率。
-
公开(公告)号：CN114021569B
公开(公告)日：2024-12-03
申请号：CN202111298745.7
申请日：2021-11-04
Applicant: 安徽大学
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：CN117974683A
公开(公告)日：2024-05-03
申请号：CN202410003190.6
申请日：2024-01-02
Applicant: 安徽大学
IPC: G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/09
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：获取原始3D形式的多模态医学图像和单模态医学图像作为样本集；将多模态医学图像和单模态医学图像切分为多个2D病理切片；构建图像分割神经网络模型；将多模态医学图像中，属于每一类模态的2D病理切片作为一个通道的训练集输入图像分割神经网络模型中，并将单模态医学图像的2D病理切片作为训练集输入图像分割神经网络模型中，对图像分割神经网络模型进行训练；得到训练好的图像分割神经网络模型；利用训练好的图像分割神经网络模型进行医学图像的分割。该方法能够适应单模态医学图像分割任务和多模态医学图像分割任务。
-
公开(公告)号：CN117726630A
公开(公告)日：2024-03-19
申请号：CN202311718987.6
申请日：2023-12-14
Applicant: 首都医科大学附属北京友谊医院 , 安徽大学
IPC: G06T7/10 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/098
Abstract: 本发明公开了一种基于CNN和Transformer双分支神经网络模型的医学分割方法，包括步骤：S1、初步搭建双分支医学分割神经网络模型；S2、确定网络层数，对CNN和Transformer进行交互，完成双分支医学分割神经网络模型的搭建；S3、准备医学分割所用的数据集；S4、初始化神经网络模型，获取最优模型权重。本发明通过充分利用了CNN和Transformer的优势，结合二者对于图像特征的关注点不同，融合全局信息和局部信息，提高网络的分割性能，在减少模型参数量和计算量的同时，维持甚至提升了模型的分割精度；使医学分割精度得到显著提升，满足医学图像分割的高精度和高效性需求。
-
公开(公告)号：CN114582508B
公开(公告)日：2024-03-15
申请号：CN202210215060.X
申请日：2022-03-04
Applicant: 安徽大学
Abstract: 本发明公开了一种基于GCN和集成学习预测潜在关联的环状RNA‑疾病对的方法，包括：整合实验证实相关联的环状RNA‑疾病对，根据涉及到的环状RNA和疾病从相应数据库中获取序列信息和语义信息；利用图卷积神经网络并基于关联信息，环状RNA的相似性以及疾病间的相似性信息提取环状RNA的特征以及疾病的特征；构建正负样本平衡的数据集，并用其训练4基本分类器，并利用集成学习中的平均法结合策略对此些分类器集成并对所有未验证的环状RNA‑疾病对做出预测。本发明可以有效的基于已知的环状RNA‑疾病对信息预测潜在关联的环状RNA疾病对，提高预测模型的性能，为生物实验提供最有可能关联的环状RNA‑疾病对，从而促进相关生物实验的发展。
-
Patent Agency Ranking
公开(公告)号：CN117497090A
公开(公告)日：2024-02-02
申请号：CN202311526861.9
申请日：2023-11-16
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多任务学习属性预测器引导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.预训练变分自编码器网络，3.预训练基于多任务学习的分子属性预测器，4.训练分子转换器网络，5.利用训练好的转换器网络生成新分子。本发明能提升药物分子多种属性的预测精度，从而更好的引导转换器探索有效的分子空间，以提高分子多属性的优化性能。
-
公开(公告)号：CN113488104A
公开(公告)日：2021-10-08
申请号：CN202110638436.3
申请日：2021-06-08
Applicant: 安徽大学
Abstract: 本发明公开了一种基于局部和全局的网络中心性分析的癌症驱动基因预测方法，包括以下步骤：S1：对标准化的体细胞突变数据和基因表达数据进行预处理，表达成基因‑矩阵的形式；S2：使用预处理完成的数据对下载的PPI网络加权；S3：模型构建，使用改进的重启随机游走算法分析网络的全局和局部特征；S4：使用构建好的模型对癌症数据集进行预测，以获取驱动基因的排名向量，实现对癌症驱动基因的预测。还公开了一种基于局部和全局的网络中心性分析的癌症驱动基因预测系统。本发明能够更好地识别驱动基因，大大提高对癌症驱动基因预测的精度，为癌症的诊断和精准医疗的发展做出了贡献。
-
公开(公告)号：CN112417604A
公开(公告)日：2021-02-26
申请号：CN202011410857.2
申请日：2020-12-04
Applicant: 安徽大学
IPC: G06F30/15 , G06F30/27 , G06Q10/04 , G06Q10/06 , G06N3/04 , G06N3/08 , G06F111/04 , G06F111/06 , G06F111/08
Abstract: 本发明公开了一种基于多目标优化的电动汽车配送任务自适应分配方法，包括：S1、假设在仓库内有一批相同的电动汽车，要将全部配送任务分配给电动汽车；规划配送路径的同时考虑充电设施选址，构建电动汽车任务分配多目标优化模型；S2、设计适用于路径规划和充电决策联合优化的染色体混合编码方案；S3、基于学习机制的多目标进化算法挖掘迭代进程历史信息；S4、插值拟合历史优秀解的进化轨迹预测潜在最优解的路径模式；S5、构建路径规划与选址方案的对应关系获取给定路径下的最优选址方案。本发明能对车辆运输配送路径和充电设施选址同时进行优化，从而能产生一组各个方面均优的分配方案，以根据实际情况选择合适的实施方案。
-
-
公开(公告)号：CN106991295A
公开(公告)日：2017-07-28
申请号：CN201710208877.3
申请日：2017-03-31
Applicant: 安徽大学
IPC: G06F19/18
CPC classification number: G16B20/00
Abstract: 本发明公开了一种基于多目标优化算法的蛋白质功能模块识别方法，是将所述网络蛋白质节点判定为非重叠蛋白质节点和候选重叠蛋白质节点，通过混合编码，粒子群初始化以及粒子群进化来解决蛋白质网络功能模块挖掘问题。本发明能解决蛋白质网络功能模块组合的单一性问题，提供多种模块组合供用户选择，从而能提高功能模块挖掘的准确性与有效性。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.054 seconds)
