本发明公开了一种基于局部增强图卷积网络的癌症预后预测方法，属于医学技术领域，包括以下步骤：S1：获取多组学数据和通路原始数据，并利用多组学数据路和通路原始数据构建无向图；S2：对无向图进行局部增强；S3：利用图卷积网络对局部增强后的无向图进行特征提取和特征融合，得到整体特征映射组合；S4：根据整体特征映射组合，构建比例风险模型，将整体特征映射组合输入至比例风险模型中，确定患者生存风险。本发明通过对癌症相关组学数据构建图神经网络学习，对患者进行预后预测及分析，可以为生物实验提供一定指导，从而有效减少实验时间与节省实验成本。
📄 2023102208906
📂 G16H50_30
👤 成都信息工程大学
📅 2023-03-09
本发明公开了一种基于图卷积网络的多场景单目相机位姿回归方法。首先训练一个多场景的特征提取网络用于位姿回归。然后借助图卷积，优化学习图像特征间的隐藏信息。使用训练完成的特征提取网络得到图像特征，将图像特征构建特征图谱，作为图卷积网络的输入，回归得到优化后的相机位姿。本发明提出的方法结合了多场景单模型训练方式、图像特征构图及图卷积网络，增强了模型泛化能力，提高了位姿回归性能，改善了多场景模型训练时的参数爆炸问题。
📄 2021106022254
📂 G06T7_73
👤 西安理工大学
📅 2021-05-31
一种针对错判的图卷积网络暂态稳定评估方法，包括以下步骤：步骤1：模拟电力系统不同运行场景构建样本集；步骤2：获得改进后的自适应图卷积网络GCN；步骤3：基于改进后的自适应图卷积网络GCN建立评估模型，进行离线训练；步骤4：在在线应用过程中，通过构建辅助决策模块对模型得到的稳定类别与稳定水平进行协调，判断电力系统的真实运行状态。
📄 2023106980233
📂 G06N3_0464
👤 三峡大学
📅 2023-06-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台