-
公开(公告)号：CN114831729B
公开(公告)日：2024-05-10
申请号：CN202210262054.X
申请日：2022-03-17
Applicant: 上海交通大学医学院附属新华医院
IPC: A61B34/10
Abstract: 本发明涉及超声心动图和CT多模态图像融合的左心耳封堵模拟系统，属于医疗器械技术领域。本发明通过两种影像学方法的联合运用，分别采集两者的DICOM图像数据，设计软件实现融合成像，将左心耳内部结构、功能以及外部形态和毗邻同时显现，然后模拟进行封堵器的匹配，使手术医师在术前就可以运用左心耳封堵模拟装置选择手术策略，选择最佳、最合适的封堵器装置，通过本发明提高手术成功率。本发明提供的图像融合模拟系统可实现左心耳的经食管实时四维超声心动图和CT多模态图像的融合，对左心耳进行内部结构和功能以及外部整体形态和左心耳毗邻的融合，为提高左心耳封堵术的成功率，减少并发症提供切实可行的影像学方法。
-
公开(公告)号：CN118116508A
公开(公告)日：2024-05-31
申请号：CN202410171252.4
申请日：2024-02-06
Applicant: 上海交通大学
Abstract: 一种基于子图匹配和领域适应的RNA药物结合预测方法，通过在离线阶段构造预测模型并采用药物‑蛋白质结合任务进行预训练后，通过冻结部分模型参数并采用药物‑RNA结合训练任务进行微调；在在线阶段采用微调后的预测模型进行实时RNA药物结合预测。本发明通过子图匹配与领域适应相结合的训练方式有效避免捷径学习，增强泛化效果。
-
公开(公告)号：CN115294151A
公开(公告)日：2022-11-04
申请号：CN202210773167.6
申请日：2022-07-01
Applicant: 上海交通大学
IPC: G06T7/11 , G06T7/90 , G06V10/25 , G06V10/26 , G06V10/77 , G06V10/82 , G06V20/70 , G06N3/04 , G06N3/08
Abstract: 一种基于多任务卷积模型的肺部CT感兴趣区域自动检测方法，通过对CT扫描进行解析得到张量形式的图像，对该图像进行肺部粗分割、重采样以及像素值归一化处理，得到仅包含肺部区域的三维CT图像体素矩阵；然后对三维图像切片后，将得到的若干张横截面的二维图像输入二维卷积模型，得到若干个ROI粗略轮廓；再以ROI粗略轮廓为中心截取三维图像块，通过三维分类器分别给出各个ROI为真实ROI的概率，经筛选后将得到的包含真实ROI的三维图像块输入由多任务训练得到的三维卷积模型，得到精确ROI轮廓，并根据ROI为真实ROI的概率将轮廓渲染为不同的颜色。本发明可快速处理大批量CT图像，提高ROI检测效率。
-
-
公开(公告)号：CN111091871B
公开(公告)日：2022-02-18
申请号：CN201911317226.3
申请日：2019-12-19
Applicant: 上海交通大学
Abstract: 一种基于融合领域规则和深度学习的蛋白质信号肽及其切割位点预测实现方法，以待测氨基酸序列的PSSM和HMM合成其氨基酸序列表征后，依次通过序列级分类和残基级分类得到待测氨基酸序列是否包含信号肽、跨膜螺旋或属于非分泌蛋白以及每个残基具体属于信号肽、切割位点或成熟蛋白质，再根据预测结果进行加权合并后以最大统计分数对应的位点作为最终预测出的信号肽切割位点。本发明利用深度模型直接分类信号肽、跨膜螺旋及非分泌蛋白，通过在biLSTM网络上结合自注意力机制显著提升了识别蛋白质信号肽切割位点识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN113707213A
公开(公告)日：2021-11-26
申请号：CN202111047262.X
申请日：2021-09-08
Applicant: 上海交通大学
Abstract: 一种基于深度学习的蛋白质‑配体结合位点预测方法，提取待预测蛋白质中所有残基的α碳原子在三维空间中的全局坐标，然后根据全局坐标计算得到邻接矩阵和原始节点特征，输入基于动量对比学习框架的神经网络模型从而得到蛋白质结构的描述子。本发明将深度学习技术与蛋白质结构的领域的知识相结合，生成更有鉴别力的描述子，从而更准确地识别目标蛋白质的相似结构，并且可提升蛋白质结构分类的精度。
-
公开(公告)号：CN119811500A
公开(公告)日：2025-04-11
申请号：CN202411865016.9
申请日：2024-12-18
Applicant: 上海交通大学
Abstract: 一种基于多分子模态融合的通用蛋白质‑RNA结合预测方法，通过广义生物学基础模型对经预处理的蛋白质与RNA序列进行初始表征后，用于训练构造得到的基于改进交叉注意力机制的神经网络模型，在在线阶段采用训练后的模型根据任意输入的蛋白质序列与RNA分子序列输出对两分子序列结合可能性的预测值。本发明使用通用生物学基础模型为蛋白质与RNA两种分子进行初始表征，通过改进的交叉注意力机制对两种分子的表征进行有效信息的提取与融合，基于有效融合信息训练后的人工神经网络可以更加准确的预测蛋白质与RNA结合结果，并且具有更为强大的泛化能力，能够应对多类蛋白的结合预测场景与任务。
-
公开(公告)号：CN114765063B
公开(公告)日：2025-04-01
申请号：CN202110037110.5
申请日：2021-01-12
Applicant: 上海交通大学
IPC: G16B20/30
Abstract: 一种基于图神经网络表征的蛋白质与核酸结合位点预测方法，通过构建蛋白质与核酸相互作用数据集，经样本融合处理后提取其中蛋白质中每个残基的位置和特征信息及其结构上下文，并据此构建残基结构上下文的图表示，通过层次图神经网络对待预测的蛋白质的图表示进行预测，得到每个残基与DNA/RNA结合的概率，实现蛋白质与核酸结合位点预测。本发明通过基于结构上下文的残基的图表示和层次图神经网络模型来从图表示中学习结合位点的关键结构和特征模式。
-
公开(公告)号：CN118983001A
公开(公告)日：2024-11-19
申请号：CN202410987781.1
申请日：2024-07-23
Applicant: 上海交通大学
IPC: G16B15/10 , G16B40/00 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/096 , G06N3/0985 , G06N5/046 , G06N7/01
Abstract: 一种基于生成模型的mRNA序列优化方法，在离线阶段利用随机生成或天然mRNA的数据库对构建得到的生成式模型进行训练；在在线阶段将待优化mRNA序列输入训练后的生成式模型，通过贪心或者概率随机采样方法为密码子序列概率分布和基于待优化mRNA序列每个位置的密码子的适应度的密码子概率分布生成对应权重，得到优化后mRNA序列。本发明通过生成式模型优化mRNA编码区密码子，并借助概率的加权求和来实现多指标的联合优化，显著提高了优化效率的同时，概率加权的框架给算法带来了更好的可拓展性和灵活性，为mRNA设计提供了一个功能更强大的优化工具。
-
公开(公告)号：CN116486896A
公开(公告)日：2023-07-25
申请号：CN202211332466.2
申请日：2022-10-28
Applicant: 上海交通大学
IPC: G16B15/30 , G16B40/00 , G06F18/23213 , G06F18/24 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/096
Abstract: 一种基于域自适应和图网络的配体特异性结合残基预测方法，根据配体的理化性质，将预训练数据集中的配体聚类到多个域后，对每个域使用该域包含的所有配体的数据训练一个关系感知分类器，用于学习该域包含的配体的共享结合模式。在微调阶段，对每种配体，通过配体特异性数据集对预训练的关系感知分类器进行微调，并使用基于域自适应神经网络的预测模块来推断不同域对应的关系感知分类器的权重，并对他们的结果进行加权求和得到最终预测结合概率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.021 seconds)
