国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜廣東省人民醫院張鎮海獲國家專利權

恭喜廣東省人民醫院張鎮海獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜廣東省人民醫院申請的專利一種基于深度學習的感染類疾病無創診斷方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN114512244B

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202111496240.1,技術領域涉及:G16H50/80;該發明授權一種基于深度學習的感染類疾病無創診斷方法是由張鎮海;余學清;陳淵;藍春紅;張艷芳設計研發完成,并于2021-12-09向國家知識產權局提交的專利申請。

一種基于深度學習的感染類疾病無創診斷方法在說明書摘要公布了:本發明提供了一種基于深度學習的感染類疾病無創診斷方法和系統:包括以下特征:獲取樣本抗體組庫數據,確定訓練集和測試集;針對所述抗體組庫數據,提取組庫水平特征和序列水平特征;利用所提取的組庫水平特征和所提取的序列水平特征,分別構建初始的預測模型;利用訓練集對初始的預測模型進行訓練,篩選出需要保留的組庫水平特征和序列水平特征;通過給初始的預測模型分別輸入所篩選出的組庫水平特征和序列水平特征,獲得優化的預測模型;利用優化的預測模型對測試集進行性能評估。該方法可以有效挖掘隱含在高多樣性抗體組庫中的疾病關聯信息,有效提高預測模型的診斷精度。

本發明授權一種基于深度學習的感染類疾病無創診斷方法在權利要求書中公布了:1.一種基于深度學習的感染類疾病無創診斷方法,其特征在于,所示方法包括以下步驟:1收集一定數量的病原體感染樣本和一定數量的健康對照樣本,將所收集的所有病原體感染樣本和健康對照樣本按照一定的比例隨機分配為訓練集和測試集;2獲取步驟1中樣本的抗體組庫數據;3針對所述抗體組庫數據,分別提取組庫水平特征和序列水平特征,所提取的組庫水平特征至少包括:1V基因片段使用頻率,2V-J基因片段聯合使用頻率、3αEvenness指標,4多樣性指數;所提取的序列水平特征包括:1CDR3氨基酸序列的至少兩種理化特征:KF8和F5,2序列頻率,3read復雜度;4利用所提取的組庫水平特征和所提取的序列水平特征,分別構建初始的組庫水平模型和初始的序列水平模型;所述初始的組庫水平模型為一個三層全連接深度神經網絡模型,包括輸入層、第二隱層、第三隱層和結果輸出層;輸入層是由所提取的所有組庫水平特征組成的一維特征向量;第二、三隱層分別包含了256和64個節點,其輸出均引入ReLU激活函數以及30%的節點丟棄正則化處理;組庫水平模型參數尋優采用學習率為0.01的AdamOptimizer優化器,訓練epoch與batchsize均設置為100;結果輸出層的激活函數為Softmax;所述初始的序列水平模型包括輸入層、第一層卷積層、第二卷積層、第三卷積層、全連接層、平均池化層和結果輸出層;輸入層是由所提取的所有序列水平特征組成的160×160的二維矩陣,每行表示一條抗體分子,每列表示一個序列水平特征;第一層卷積層由512個1×160的過濾器組成,步長設置為160,填充參數設置為0,激活函數為ReLU,其后接入一個1×2的平均池化層;第二卷積層由256個3×1過濾器組成,步長與填充參數均設置為1,激活函數為ReLU,其后接入一個1×2的平均池化層;第三卷積層由128個3×1過濾器組成,步長與填充參數均設置為1,激活函數為ReLU,其后接入一個1×2的平均池化層;第三卷積層后接入三層基于ReLU激活函數的全連接層,節點數分別為2560、1000與64;結果輸出層的激活函數為Sigmoid;序列水平模型參數尋優采用學習率為0.01的AdamOptimizer優化器,訓練epoch與batchsize分別為250與50;5基于所構建的初始的組庫水平特征模型,并基于步驟1中的訓練集10次交叉測試判對率評價所提取的所有組庫水平特征的全部可能組合下的子集的重要程度,以訓練精度最高為原則,篩選出需要保留的組庫水平特征,篩選后保留的組庫水平特征包括V基因片段使用頻率、V-J基因片段聯合使用頻率、αEvenness指標和多樣性指數;基于所構建的初始的序列水平特征模型,并基于步驟1中的訓練集10次交叉測試判對率評價每個序列水平特征的重要程度,然后將每個序列水平特征按重要程度降序排列,逐個引入序列水平特征,若引入的序列水平特征不能增加模型訓練精度,則剔除該序列水平特征,繼續引入下一個序列水平特征,直至遍歷所提取的全部序列水平特征,最終篩選出需要保留的序列水平特征,篩選后保留的序列水平特征包括read復雜度、序列頻率、KF8和F5;6通過給初始的組庫水平特征模型輸入所篩選出的組庫水平特征獲得優化的組庫水平模型,通過初始的序列水平特征模型輸入所篩選出的序列水平特征,獲得優化的序列水平模型;7利用優化的組庫水平模型和優化的序列水平模型對步驟1中的測試集進行性能評估;在評估過程中,會輸出集成概率,所述集成概率為優化的組庫水平模型的輸出概率和優化的序列水平模型的輸出概率的平均值,若集成概率大于0.5,則測試樣本為病原體感染樣本,否則為健康對照樣本。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人廣東省人民醫院,其通訊地址為:510000 廣東省廣州市越秀區中山二路106號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 黄梅县| 扶沟县| 开封市| 黄浦区| 射洪县| 伊川县| 盐边县| 任丘市| 达孜县| 岳普湖县| 玉林市| 和田市| 巴南区| 无锡市| 民县| 奉贤区| 泰和县| 彩票| 金塔县| 东乡族自治县| 翁源县| 松溪县| 邵武市| 罗田县| 玉屏| 白山市| 鄯善县| 荔波县| 沅江市| 敖汉旗| 兴宁市| 平武县| 喀什市| 于都县| 拜城县| 临潭县| 苍南县| 阿城市| 荥经县| 会理县| 甘泉县|