本发明公开了一种基于深度神经网络的癌症预后评估与靶点识别，该方法包括：获取基因表达数据，并对所述基因表达数据进行预处理，获得初始数据；使用结合扩散模型和自编码器的深度神经网络对所述初始数据进行特征提取处理，获得基因表达特征的低维表示；将所述基因表达特征的低维表达输入XGBoost生存分析模型，获得风险值，并根据所述风险值获得癌症预后评估结果；根据所述风险值以及患者基因表达进行差异表达分析，获得癌症预后靶点。可见，本发明通过结合了扩散模型和自编码器的深度神经网络以及XGBoost生存分析模型，实现了对癌症患者预后风险的准确评估和相关靶点的识别，从而为个性化治疗和靶向疗法的设计提供了科学依据。
📄 2024116996270
📂 G16B40_00
👤 佛山大学
📅 2024-11-26
本发明公开基于衍射深度神经网络识别高阶连续OAM模式的方法，包括有如下步骤：步骤1，通过数值仿真得到经过大气湍流扰动后的光场复振幅矩阵，建立数据集；步骤2，设计并搭建基本的衍射深度神经网络结构，对步骤1中得到的训练数据进行数据预处理，并将其送入到本步骤中设计好的基本衍射深度神经网络中进行模型训练；步骤3，设计并搭建识别高阶连续OAM模式的衍射深度神经网络，并利用测试集测试效果。该方法解决了现有的光学以及深度学习相关方法识别大气湍流下OAM模式不足的问题。
📄 2025103734151
📂 G06F18_2431
👤 陕西科技大学
📅 2025-03-27
本发明公开了一种基于深度神经网络的实时高分辨率人像抠图方法，包括获取训练数据集，并标注生成训练用groundtruth alpha matte；对训练数据集进行数据增强；分步阶段性训练网络模型；使用训练好的网络进行抠图。通过在网络构型中嵌入ConvLSTM模块，使用Max Pooling Indices，利用PRM进行高清细节优化，加入语义分割任务，打造出高精度实时人像抠图的核心技术，同时，创新了数据集和数据增强方法，采用阶段式训练，从简单到复杂，由粗糙到精细，强化了算法的训练效果，这三个方面的创新与应用相互作用，相互统一，全方位提升了算法的性能和实用性，为高精度实时人像抠图应用提供了强大的技术支持。
📄 2023108119234
📂 G06T7_12
👤 深圳市超元创世科技有限公司
📅 2023-07-04
本发明涉及一种基于深度神经网络的人群情绪异常检测和定位方法，通过监控设备获取视频数据，并对其进行视频关键帧数据提取，并从视频关键帧数据获取每一帧的人脸图像数据，并进行对齐、分组、排序预处理，然后输入到训练好的基于卷积神经网络的人脸情绪识别模型中，并通过训练好的人群情绪检测和定位模型，获取监测视频数据中人群情绪异常检测和定位结果并反馈给监控设备工作人员，本发明设计合理，通过模型能够得到人群情绪异常与人群异常之间的关系，避免了人群异常与具体异常事件相关联而导致的检测局限性问题，另外，模型采用了混合的深度神经网络结构模型，从而进一步提高了视频人群情绪异常检测和定位的效率。
📄 2017102848697
📂 G06K9_00
👤 广东工业大学
📅 2017-04-27
本发明是一种利用深度神经网络实现的传感器网络信号补全方法，包括如下步骤：步骤1：将观测节点的信号输入并行标量量化器中，得到量化后的观测节点信号的离散输出，建立问题；步骤2：设计图信号的插值模块；步骤3：设计图信号量化规则模块，图信号量化规则模块采用软‑硬量化器量化；步骤4：将步骤2得到的插值模块和步骤3得到的图信号量化规则模块进行联合训练。本发明使用并行标量量化器，并对每个量化器进行分别设计，使用神经网络对量化比特分配与插值算子进行联合设计，提高了补全性能。
📄 2022102118638
📂 H03M7_30
👤 南京邮电大学
📅 2022-03-04
本发明公开了基于金字塔型卷积层的心电信号深度神经网络建模方法。搭建更优的深度卷积神经网络模型很有必要。本发明具体步骤如下：将传入的心电信号分别输入到不同卷积核的卷积层中，使得整个输入信号的每个感受野都通过不同的卷积核重复作用；接着，将多个卷积分支形成的特征图输出进行级联，并经过一个卷积核为1的卷积层以得到得到最终的心电信号特征图；心电信号特征图在m个残差块中逐个依次传输后通过一个全连接层分类。本发明能够在自动提取心电信号特征的同时，保留住多尺度的心电信号细节信息，呈现出含有更丰富特征的特征图，有效提高了心律失常识别和分类的准确性。
📄 2020100727647
📂 G16H50_20
👤 浙江理工大学
📅 2020-01-21
本发明公开一种深度神经网络模型、电子装置、身份验证方法和存储介质，该方法包括：在收到待进行身份验证的目标用户的当前语音数据后，获取待验证的身份对应的标准语音数据，将这两个标准语音数据分别分帧处理，以得到当前语音帧组和标准语音帧组；利用预设滤波器分别提取出两个语音帧组中的各个语音帧的预设类型声学特征；将提取出的预设类型声学特征输入预先训练好的预设结构深度神经网络模型，以得到当前语音数据和标准语音数据各自对应的预设长度的特征矢量；计算得到的两个特征矢量的余弦相似度，并根据计算出的余弦相似度大小确定身份验证结果。本发明技术方案提升了说话人身份验证的准确性。
📄 2018102251426
📂 G10L17_00
👤 平安科技(深圳)有限公司
📅 2018-03-19
本发明涉及人工智能领域，公开了一种基于深度神经网络的人群图像分析方法，包括：获取待分析的人群图像，将人群图像输入至预设的编码器进行分析得到人群图像对应的特征图，对特征图执行预设的通道压缩操作得到特征图对应的通道压缩向量，将通道压缩向量输入至预设的解码器进行分析得到人群图像对应的分析结果。可见，本发明能够对人群图像的特征图进行通道压缩，从而能够减少特征图中的冗余信息，减少冗余信息对深度神经网络的推断的干扰，并减少冗余信息所占用的额外的计算资源，进而能够提高基于深度神经网络的人群图像分析技术的准确度和计算效率。
📄 2021115356292
📂 G06V20_52
👤 平安科技(深圳)有限公司
📅 2021-12-15
本发明涉及一种基于深度神经网络的脊柱定位方法，属于计算机视觉跟踪技术领域，包括以下步骤：A、采用传统特征提取模块提取传统通用特征；B、采用医学特征提取模块提取专门的医学影像特征；C、采用定位模块对传统特征提取模块和医学特征提取模块提取的特征进行处理，得到锥体与椎间盘的具体位置；D、将上述模块组成系统，采用多任务损失分别对定位网络Ｉ和定位网络Ⅱ进行单独训练，且两个网络训练采用的定位标签以及医学影像图片相同。本发明融合了传统深度网络可使用预训练模型的特点以及医学影像特征提取网络的少样本学习的特点，并引入新的损失函数以及相应的标签制作方法，并使用多任务损失，从而提升了脊柱定位的精度以及鲁棒性。
📄 2020115924760
📂 G06T7_00
👤 燕山大学
📅 2020-12-29
本发明公开了一种基于深度神经网络的钙处理过程中钙的收得率的预测方法，涉及到钢铁冶金领域的钢液精炼钙处理过程，其包括以下步骤：预先获取每一炉次的生产及操作数据信息，构建数据集；基于构建的数据集训练并测试深度神经网络，建立预测模型；基于预测模型将实际每一炉次的生产及操作数据信息作为输入，预测计算当前钙的收得率。本发明可以对钙处理过程中钙的收得率进行预测，有利于精准控制钢中钙含量，稳定控制钙处理过程，提升钙处理效果，提高产品质量，保证生产的稳定性。
📄 2021106913206
📂 G06F30_27
👤 燕山大学,北京科技大学
📅 2021-06-22
本发明提出了一种基于深度神经网络与全景分割方法相结合的跌倒预判方法，其能够高效快速的实现跌倒检测预判功能，结合了深度神经网络与图像全景分割方法，对即将发生的跌落风险进行短期实时评估和通知，以及对未来风险进行长期行为学习和预测。本发明采用深度学习中的深度神经网络(DNN)构建全景分割网络，然后通过图像全景分割算法对跌倒检测中的视频图像进行像素级分割，从而实现被看护者与所处环境情况的场景理解，对危险环境实现跌倒预判。
📄 2021100760298
📂 G06V40_10
👤 燕山大学
📅 2021-01-20
本发明公开了一种仪器间的近红外深度神经网络模型转移方法，包括用多台不同型号便携式可见近红外光谱仪测定待测物质的近红外光谱；将多台不同型号便携式可见近红外光谱仪的近红外光谱的波长范围和分辨率统一；对多台不同型号便携式可见近红外光谱仪的近红外光谱做预处理；对多台不同型号便携式可见近红外光谱仪的近红外光谱划分数据集；开发主型号光谱仪的1D‑Inception‑Resnet定量网络；用不同从型号光谱仪数据调整主型号光谱仪的网络参数；使用不同从型号光谱仪数据验证校正模型；本发明可将主仪器的1D‑Inception‑Resnet网络模型校正转移到从光谱仪上，修复对从光谱仪采集光谱的预测。
📄 2022110715749
📂 G01N21_359
👤 燕山大学
📅 2022-09-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台