-
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
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：CN117636325A
公开(公告)日：2024-03-01
申请号：CN202311664385.7
申请日：2023-12-06
Applicant: 安徽大学
IPC: G06V20/62 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种指针式仪表读数识别方法，属于计算机视觉的工业图像应用领域，包括如下步骤：获取指针式仪表图像数据；基于U2‑Net神经网络架构及MPA注意力机制，将U2‑Net神经网络架构的编码层和解码层进行跳跃连接，得到跳跃连接权重；将相邻的解码层之间进行上采样，得到上采样权重；将跳跃连接权重和上采样权重分别输入MPA进行特征融合，得到融合后的权重；将跳跃连接权重或上采样权重与融合后的权重相乘后融合输出，得到神经网络分割模型；将指针式仪表图像数据输入神经网络分割模型，得到仪表刻度和指针分割数据；并对两者进行拟合，得到刻度圆和指针直线；对刻度圆和指针直线进行相对角度计算，得到指针读数信息。
-
公开(公告)号：CN112487816B
公开(公告)日：2024-02-13
申请号：CN202011472395.7
申请日：2020-12-14
Applicant: 安徽大学
IPC: G06F40/295 , G06F40/30 , G06F40/211 , G06F40/58 , G06F16/332 , G06F16/35
Abstract: 本发明公开了一种基于网络分类的命名实体识别方法，包括：1：输入命名实体训练样本文本数据并将其转化为向量数据；步骤2：对所述的命名实体训练样本数据进行预处理；步骤3：通过迭代选择部分样本构造网络训练命名实体识别模型；命名实体识别包括：步骤4：输入待识别命名实体样本数据；步骤5：对所述待识别命名实体样本数据进行预处理；步骤6：通过命名实体分类模型对所待识别命名实体样本数据进行识别，判断所属命名实体的类别。本发明能快速有效从海量的文本中提取命名实体的关键属性并识别出该实体的类别，提高命名实体识别的效率并为信息提取、问答系统、句法分析、机器翻译等提供基础。
-
公开(公告)号：CN117219175A
公开(公告)日：2023-12-12
申请号：CN202311165448.4
申请日：2023-09-11
Applicant: 安徽大学
IPC: G16B40/20 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度卷积神经网络的微拟球藻启动子可解释预测方法，包括：1、微拟球藻启动子序列数据的收集和预处理；2、基于稠密连接卷积与注意力机制建立微拟球藻启动子分类网络；3、利用二分类交叉熵损失函数训练微拟球藻启动子分类网络，得到最优分类模型；4、基于残差连接与空洞卷积建立微拟球藻启动子重要性得分生成网络；5、利用预测损失与保存量损失训练微拟球藻启动子重要性得分生成网络，得到最优生成模型。本发明能够在不同的菌株数据上均得到较为准确的微拟球藻启动子分类预测结果，并基于启动子核苷酸的重要性得分对预测结果作出忠实的解释，从而为后续针对微拟球藻的研究提供工具与思路。
-
公开(公告)号：CN110070916B
公开(公告)日：2023-04-18
申请号：CN201910355711.3
申请日：2019-04-29
Applicant: 安徽大学
IPC: G06F18/2111 , G16B40/20
Abstract: 本发明公开了一种基于历史数据的癌症疾病基因特征选择方法，包括以下步骤：A：将癌症疾病基因数据分为训练集和测试集；B：计算训练集上所有特征都被选择后的总平均错误率；C：生成初始种群，构造适应度函数；D：将所有特征选择方案记录到特征树中，调整特征选择方案的分布，以适应度值最小的特征选择方案作为最优特征选择方案，将结果返回给遗传算子和导向搜索算子；E：引导特征种群的进化方向；F：判断终止条件，若未达到终止条件，重复步骤D～F，若达到终止条件，输出最优解。本发明的优点在于：能够有效降低数据维度，提高预测准确性，通过特征树,结合遗传算法为癌症等疾病的相关基因进行筛选，为诊断和治疗提供辅助。
-
Patent Agency Ranking
公开(公告)号：CN110060730B
公开(公告)日：2022-11-01
申请号：CN201910267199.7
申请日：2019-04-03
Applicant: 安徽大学
Abstract: 本发明公开了一种基因模块分析方法，包括：输入基因表型双层网络、基因功能相似性网络和已知与疾病表型相关的疾病基因集合s0；增加基因表型双层网络中基因和表型之间的连接关系；将基因表型双层网络中与s0中疾病基因有边连接且不在s0中的基因作为候选基因，计算和选择语义相似性、拓扑相似性和表型关联性之和最大的候选基因加入s0，直到扩充的候选基因集合不再同时显著富集与疾病表型相关的GO本体功能注释、生物通路基因以及在疾病表型样本和正常样本中表达差异基因时，记当前代数为m，输出m‑1代s0中扩充的候选基因以及与这些扩充候选基因有边连接的已知疾病基因。
-
公开(公告)号：CN115170502A
公开(公告)日：2022-10-11
申请号：CN202210769176.8
申请日：2022-06-30
Applicant: 安徽大学
Abstract: 本发明公开了一种基于深度学习的股骨滑车宽度测量方法，包括：第一步、采集人体髌股关节CT影像，构建数据集，进行数据标注和预处理；第二步、构建MSC‑Net神经网络中的编码层、中间层、解码层以及输出模块；第三步、将数据集输入网络进行训练，并通过反向传播得到最优的模型；第四步，模型输出的预测结果，经过拼接，得到股骨三维重建模型；第五步、使用测量算法对预测结果进行数据测量，得出滑车的宽度信息。本发明能将髌股关节CT切片图，通过神经网络，快速分割股骨结构，重建三维股骨模型，并结合测量算法，测出股骨滑车的宽度，从而能减少股骨滑车宽度测量的时间，并能提高准确性和可靠性。
-
公开(公告)号：CN113360667B
公开(公告)日：2022-07-26
申请号：CN202110617440.1
申请日：2021-05-31
Applicant: 安徽大学
IPC: G06F16/36 , G06F40/289 , G06F40/295 , G06N3/04
Abstract: 本发明公开了一种基于多任务学习的生物医学触发词检测和命名实体识别方法，其步骤包括：1将非结构化的生物医学文本通过分词分句技术进行预处理，并对其进行标注以产生标准数据集；2构建基于多任务学习的生物医学触发词检测和命名实体识别神经网络模型；3对上述该神经网络模型进行训练并更新参数；4利用已训练好的最优的模型对未标注数据进行预测，以识别出其中的触发词和命名实体。本发明能够同时检测生物医学文本中的触发词和命名实体识别，从而能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：CN113990385A
公开(公告)日：2022-01-28
申请号：CN202111265124.9
申请日：2021-10-28
Applicant: 安徽大学
Abstract: 本发明公开了一种基于抗寄生虫感染的关键基因的化合物组合筛选方法，包括：1、对生物数据进行预处理后，针对每一个被寄生虫感染的个体构建单层差异相互作用网络，通过将多个单层网络的对应的基因节点连接，构建多层的基因相互作用网络，实现多网络的融合，再利用多层网络的PageRank算法计算基因在每层网络中的评分，利用所有层中对应相同基因的平均评分进行排序甄别关键基因；2、基于关键基因和已知的FDA批准的化合物及每种化合物的靶标基因集合，设计多目标优化函数模型，利用多目标优化算法得到较优的化合物组合。本发明能提高筛选抗寄生虫感染的化合物组合的时间效率，并筛选出较优的化合物组合。
-
公开(公告)号：CN109390057B
公开(公告)日：2021-12-14
申请号：CN201810946395.2
申请日：2018-08-20
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多目标优化的疾病模块检测方法，包括：结合基因表达数据和蛋白质—蛋白质相互作用数据构造综合PPI网络；将综合PPI网络中疾病模块的检测问题转换为疾病模块多目标优化问题：对疾病模块多目标优化问题进行问题优化，得到疾病模块集合；计算疾病模块集合中各疾病模块的分数，并根据各疾病模块的分数从疾病模块集合中选择目标疾病模块。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.026 seconds)
