专利交易市场

一种基于深度学习的黑色素瘤皮肤病的分类识别方法，将原始图像、采用类激活图剪切的图像、医生手工分割的病变区域二值掩膜图像分别进行数据预处理；采用图像分类网络，将它们最后一层进行联合，三种训练集图片分别输入这三个网络，图片正向输入网络，并通过反向传播最小化代价函数更新权值，求出对第一类非增值性损伤皮肤病分类效果最优组合；先采用联合网络1对第一类皮肤病单独分类，再使用联合网络2将剩余数据中的第二类皮肤病分类出来；剩余的就是恶性皮肤病，得到皮肤病分类准确率1；再得到皮肤病分类准确率2；得到皮肤病分类准确率3；将最高的准确率作为最终的结果。本发明有效提高黑色素瘤皮肤病分类识别率。

本发明公开了一种基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算法，具体步骤包括：获取非天然线肽数据集；划分训练集、验证集和测试集；在AlphaFold中，添加用于捕获多肽原子尺度表征的神经网络；将得到的原子尺度表征池化后与AlphaFold原有的残基尺度表征相结合；通过定义非天然氨基酸的刚性组和初始化其原子坐标实现对非天然氨基酸结构的预测；利用非天然线肽训练集和验证集对改造过的AlphaFold进行训练；使用训练好的模型在非天然线肽测试集上进行测试；获取非天然环肽测试数据集；修改模型中的相对位置编码矩阵；使用修改后的模型在非天然环肽测试集上进行测试。与之前的结构预测模型相比，本发明能够对非天然环肽单体及其复合物结构进行准确预测。

本发明公开了一种基于CNN‑BiLSTM的中心动脉压波形重构的系统及方法，涉及人工智能与医疗器械研发技术领域。本发明包括有数据采集控制模块、桡动脉压测量模块、指尖动脉压测量模块、数据处理模块、中心动脉压计算模块和数据显示模块。本发明无需人工提取特征、无需建立中间仿真模型及其参数估计，自动建立外周血压与中心动脉压一种端到端的重构模型，有效提升了中心动脉压波形的重构精度，且通过对人工神经网络结构的改进，提升了模型对波形特征的学习能力，相较于其他人工神经网络，该网络对血压波形的学习能力更强，对中心动脉压的重构效果更好。