-
公开(公告)号：CN112164474B
公开(公告)日：2024-05-24
申请号：CN202010671826.6
申请日：2020-07-14
Applicant: 中国矿业大学
IPC: G16H70/40
Abstract: 本发明名为基于自表达模型的药物敏感性预测方法，属机器学习及药物基因组学研究领域。本发明目标是基于已知细胞系对药物的敏感性程度预测未知的细胞系和药物之间的敏感性分数。通过构建细胞系药物对的响应自表达模型，通过某些细胞系药物对的敏感度的线性或仿射组合实现未知敏感性分数的预测。该模型将复杂的优化问题转化为多个子空间，可以实现对包含缺失值数值矩阵的精准且高效的填补，进而实现对细胞系药物响应值的预测。本发明提出的算法能够为个性化精准医疗中重要的药物响应评估环节提供有力的参考。
-
公开(公告)号：CN116129123B
公开(公告)日：2024-01-05
申请号：CN202310167625.6
申请日：2023-02-27
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/096
Abstract: 本发明公开一种基于不确定度校准和区域分解的端到端染色体分割方法，属于视频识别技术领域。首先对需要进行端到端染色体分割的染色体图片进行预处理：通过迁移学习方法在染色体分类数据集上预训练骨干网络ResNet101提取染色体基本特征；引入不确定度分支输出不确定度学习检测框的可靠性，利用不确定度修正染色体检测框的位置来实现对染色体更加精确的定位，最后利用分解因子将区域生成网络RPN产生的所有建议框RoI分解、自适应融合，减轻重叠染色体分割时产生的语义歧义，最终得到分割更完(56)对比文件Ning Xie等.Statistical KaryotypeAnalysis Using CNN and GeometricOptimization.IEEE Access.2019,第1-9页.林成创;赵淦森;尹爱华;丁笔超;郭莉;陈汉彪.AS-PANet:改进路径增强网络的重叠染色体实例分割.中国图象图形学报.2020,(第10期),全文.
-
公开(公告)号：CN115705917A
公开(公告)日：2023-02-17
申请号：CN202110903743.X
申请日：2021-08-06
Applicant: 中国矿业大学
Abstract: 本发明为基于子空间学习的m7G位点与疾病的关联预测方法，涉及生物信息学研究领域。本发明以m7GDisAI数据库为依托，利用已知的m7G‑疾病关联信息、m7G位点相似性信息和疾病相似性信息，构建m7G‑疾病异构矩阵，降低关联矩阵的稀疏性，明晰m7G位点和疾病的关联模式。本发明建立的基于子空间学习的m7G位点与疾病的关联预测模型SpBLRSR意在从结构缺失、关联模式不清晰的高维异构子空间出发，习得体现其统计及结构特性的完备低维子空间，进而恢复不完备的高维关联矩阵，提取潜在的疾病相关m7G位点，为表观转录组层面探究肿瘤发生机制和致病通路提供参考。本发明有望为以m7G修饰位点为靶点的肿瘤治疗策略提供新思路。
-
公开(公告)号：CN113658199A
公开(公告)日：2021-11-16
申请号：CN202111029543.2
申请日：2021-09-02
Applicant: 中国矿业大学
Abstract: 本发明针对真实染色体数据集中染色体实例分割精度较低等问题提出了一种基于回归修正的染色体实例分割网络，可实现染色体的高精度分割。该网络通过回归分支和掩码分支的输出修正分类置信度，以获得与定位精度和分割精度更高的关联。提出了一种基于掩码的非极大抑制算法，有效防止了染色体的遗漏分割和错误分割。提出了一种K‑IoU损失函数，针对错误分割区域提供更有效、合理的损失。实验结果表明，该方法可有效提升染色体实例分割的精度。
-
公开(公告)号：CN110739028A
公开(公告)日：2020-01-31
申请号：CN201910990958.2
申请日：2019-10-18
Applicant: 中国矿业大学
Abstract: 本发明涉及一种细胞系药物响应水平的预测方法。首先，本发明基于矩阵分解的基本思想，结合相似细胞系对相似药物敏感性相似的特点引入K-近邻约束项，使得算法兼具矩阵分解算法计算速度快和预测精度高等优点。其次，K-近邻选择真正有积极影响的细胞系和药物相似性作为约束，并根据相似性评分高低赋予K-近邻约束项相应的权重，加入K-近邻约束项后能更精确地挖掘和利用细胞系和药物的相似网络中所含的隐式信息，以更好地预测细胞系药物的响应水平，可作为有效的药物基因组学领域细胞系药物响应水平的机器学习预测方法。
-
Patent Agency Ranking
公开(公告)号：CN118645243A
公开(公告)日：2024-09-13
申请号：CN202410784349.2
申请日：2024-06-18
Applicant: 中国矿业大学
IPC: G16H50/30 , G16H30/40 , G06V10/26 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/094
Abstract: 本发明公开一种基于对比学习的小样本低度近视预测方法，属于计算机技术领域。首先，对眼底彩照数据集进行有标签和无标签的数据块分割，并对无标签数据块进行数据增强；然后分别构建对比学习特征映射网络和屈光度预测网络；最后对前述两种网络进行分阶段优化训练，以实现低度近视的预测。
-
公开(公告)号：CN113658199B
公开(公告)日：2023-11-03
申请号：CN202111029543.2
申请日：2021-09-02
Applicant: 中国矿业大学
Abstract: 本发明针对真实染色体数据集中染色体实例分割精度较低等问题提出了一种基于回归修正的染色体实例分割网络，可实现染色体的高精度分割。该网络通过回归分支和掩码分支的输出修正分类置信度，以获得与定位精度和分割精度更高的关联。提出了一种基于掩码的非极大抑制算法，有效防止了染色体的遗漏分割和错误分割。提出了一种K‑IoU损失函数，针对错误分割区域提供更有效、合理的损失。实验结果表明，该方法可有效提升染色体实例分割的精度。
-
公开(公告)号：CN116129123A
公开(公告)日：2023-05-16
申请号：CN202310167625.6
申请日：2023-02-27
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/096
Abstract: 本发明公开一种基于不确定度校准和区域分解的端到端染色体分割方法，属于视频识别技术领域。首先对需要进行端到端染色体分割的染色体图片进行预处理：通过迁移学习方法在染色体分类数据集上预训练骨干网络ResNet101提取染色体基本特征；引入不确定度分支输出不确定度学习检测框的可靠性，利用不确定度修正染色体检测框的位置来实现对染色体更加精确的定位，最后利用分解因子将区域生成网络RPN产生的所有建议框RoI分解、自适应融合，减轻重叠染色体分割时产生的语义歧义，最终得到分割更完整的染色体。实现了在数据量较少的情况下有效提取染色体特征；够更好的应对交叉、重叠染色体的漏检和定位不准的问题。
-
公开(公告)号：CN113191386A
公开(公告)日：2021-07-30
申请号：CN202110324813.6
申请日：2021-03-26
Applicant: 中国矿业大学
Abstract: 本发明针对弯曲染色体识别困难、染色体细粒度以及不同显色技术的染色体数据集上泛化困难等问题提出基于网格重构学习的染色体分类模型，有效提高染色体分类的精度。该网络特别设计网格化及网格重构模块，首先将染色体图像网格化，弱化染色体弯曲造成的不利影响；随后利用网格重构模块，筛选重构特征，以提高弯曲染色体的识别性能。网格重构学习模型在三个不同公共染色体数据集上分类精度达到0.973，0.972和0.995。
-
公开(公告)号：CN111612750A
公开(公告)日：2020-09-01
申请号：CN202010401332.6
申请日：2020-05-13
Applicant: 中国矿业大学
Abstract: 本发明针对重叠染色体图像中目标分割区域大小不一且区分不明显等问题，提出一种多尺度的U型卷积神经网络MACS Net。在UNet的最底层，引入多层空洞卷积和同步长池化技术，实现不同大小目标分割区域的检测及特征的提取；UNet编解码器间引入卷积块连接，缓解其语义信息差异。以染色体重叠区域的交并比（IoU）作为评价指标，结果表明，MACS Net在染色体重叠部分的分割IoU达到0.9860，与UNet的0.9593相比，提高了2.78%，且在椒盐、高斯和泊松噪声污染的数据集中，MACS Net分别表现出更为理想的噪声鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
