“顾国生”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果57个，建议您升级VIP下载更多相关专利

[发明专利]NKT细胞、其衍生细胞及在制备抗肿瘤药物中的应用-CN202310059150.9有效
发明人：许卫东;焦峰;顾国生 -专利权人：南京爱比洛医药科技有限公司
申请日： 2023-01-16 - 公布日： 2023-10-10 - 主分类号： C12N5/0783 文献下载
摘要：本发明公开了一种NKT细胞、其衍生细胞及在制备抗肿瘤药物中的应用，所述NKT细胞命名为ABL‑01，保藏于中国典型培养物保藏中心，保藏日期为2023年1月11日，保藏编号为C202314。本发明ABL‑01细胞不会引起排异反应，适合回输给不同的癌症患者，不仅对癌细胞株具有杀伤力，对原代肺癌细胞和原代卵巢癌细胞也具有很强的裂解效果，同时还可以识别和裂解其他多种癌细胞。本发明还对ABL‑01进行加工和升级，参照嵌合抗原受体（CAR）的原理构建了CAR‑UNKT，将靶向间皮素的单链抗体基因整合到ABL‑01的染色体中，构建后的CAR‑UNKT就能精准地识别和杀伤卵巢癌细胞，而不攻击正常细胞。
nkt 细胞衍生制备肿瘤药物中的应用

[发明专利]基于不平衡邻居约束随机游走的LncRNA-疾病关联预测方法-CN202310286302.9在审
发明人： 顾国生;刘世刚;谢国波;林志毅;谢伟洁;许浩杰 -专利权人：广东工业大学
申请日： 2023-03-21 - 公布日： 2023-08-25 - 主分类号： G16B40/00 文献下载
摘要：本发明提供一种基于不平衡邻居约束随机游走的LncRNA‑疾病关联预测方法(LNS‑NCURW)，包括以下步骤：S1：获取LncRNA‑疾病邻接矩阵A，融合LncRNA的表达相似性矩阵(LES)、功能相似性矩阵(LFS)和高斯相似性矩阵(LGS)得到LncRNA综合相似性矩阵(LS)，融合疾病的语义相似性矩阵(DSS)和高斯相似性矩阵(DGS)得到疾病综合相似性矩阵(DS)，并使用WKNKN算法来获取潜在的关联关系得到关联矩阵Y；S2：使用线性邻域相似性方法(LNS)重构LncRNA和疾病的相似性得到ILLS和ILDS，再分别计算LncRNA和疾病的邻居约束转移矩阵NCl和NCd；S3：整合lncRNA和疾病的相似性信息，通过矩阵乘法的结果更新关联矩阵Y，再利用邻居约束不平衡随机游走方法分别从LncRNA网络和疾病网络预测LncRNA‑疾病关联预测评分，然后再综合LncRNA网络方向评分和疾病方向评分得到最终预测得分P_SCORE。本发明引入了邻居约束来控制随机游走的游走方向，使得节点随机游走的时候往关联性更高的节点游走，使得关联性弱的节点得分低，而关联性高的节点得分高，从而提高预测的精准性，实现了lncRNA‑疾病的关联预测。
基于不平衡邻居约束随机游走 lncrna 疾病关联预测方法

[发明专利]多图像加密方法及解密方法-CN202110351406.4有效
发明人： 顾国生;王权华;邓杰航 -专利权人：广东工业大学
申请日： 2021-03-31 - 公布日： 2023-08-18 - 主分类号： H04L9/00 文献下载
摘要：本发明针对现有多图像加密技术的局限性，提出了一种多图像加密方法及解密方法，所述加密方法基于分段线性混沌映射，通过将多图像构成三维像素矩阵进行比特分解，在比特分层的基础上进行矩阵形状调整和补充来对加密比特置乱的循环进行维度优化，使得完成高安全性要求的同时兼顾时间效率优化，而后将被调整置乱比特分层矩阵进行再调整和再转化形成新的多密码图像的三维矩阵，最后进行逐一图像与混沌图像扩散而取得多张加密安全程度高的密码图像；本发明能够对多灰度图、多彩色图这类处理数据量大的待加密对象进行算法简单、安全性高的加密并取得适用性强的效果。
图像加密方法解密

[发明专利]一种基于深度学习网络的山火预测方法-CN202110792189.2有效
发明人：邓杰航;刘星星;徐国涛;顾国生;冯子垚;陈树东;杨析睿 -专利权人：广东工业大学
申请日： 2021-07-13 - 公布日： 2023-08-04 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种基于深度学习网络的山火预测方法，属于深度学习技术领域。本发明的山火预测网络模型同时引入了卷积神经网络CNN和卷积长短期记忆网络CONVLSTM对山火进行预测，不仅考虑了山火在时间上的时序规律，也能够提取山火像元以及山火附近像元的空间特征；利用山火时空维度的信息，使预测精度更高，并且本技术方案通过深度学习自动构建山火预测模型，调节影响因子权重，无需过高的专家知识设置影响因子权重，通用性更好。
一种基于深度学习网络山火预测方法

[发明专利]一种自由场景下的车牌精准定位方法及装置-CN202010953696.5有效
发明人：丁磊;赖珍向;杨明岳;顾国生;邓杰航;江志豪;李亚萍 -专利权人：广东工业大学
申请日： 2020-09-11 - 公布日： 2023-07-28 - 主分类号： G06V30/148 文献下载
摘要：本申请公开了一种自由场景下的车牌精准定位方法及装置，方法包括：对预置车牌图像进行连通域分析，并保留标记的符合预置轮廓条件的连通域，记录连通域的边界点，得到上边界点集和下边界点集；采用预置最小二乘法分别对上边界点集和下边界点集进行直线拟合，得到上边界线段和下边界线段；根据上边界线段和下边界线段计算区域截取框四个角的边界点坐标；通过区域截取框截取扩展后的原始车牌图像的车牌区域图像；采用预置CNN模型对车牌区域图像的左右边界进行坐标拟合，获得车牌定位结果。解决了现有车牌定位技术在自由场景下对边界点分布要求较高，且无法适用于复杂背景下的车牌定位，导致实际的车牌定位准确度较低的技术问题。
一种自由场景车牌精准定位方法装置

[发明专利]基于增强的超图卷积自编码算法的miRNA-疾病关联预测方法-CN202310121363.X在审
发明人：谢国波;余俊锐;林志毅;顾国生 -专利权人：广东工业大学
申请日： 2023-02-14 - 公布日： 2023-06-27 - 主分类号： G16B40/00 文献下载
摘要：本发明提供了一种基于增强的超图卷积自编码算法的miRNA‑疾病关联预测方法，包括以下步骤：S1：获取miRNA‑疾病的邻接矩阵A，通过miRNA‑疾病邻接矩阵来描述二者的关联关系；S2：通过邻接矩阵A分别计算出miRNA高斯相似性MG、miRNA余弦相似性MC、疾病高斯相似性DG和疾病余弦相似性DC，将它们分别作为miRNA的特征和疾病的特征；S3：根据高斯相似性，使用加权K近邻获取图隐藏关联信息，以此得到增强的超图关联矩阵；S4：将miRNA的特征和疾病的特征通过全连接层映射到同一个域空间，使用超图卷积的方式训练得到嵌入特征；S5：对嵌入特征使用一个双线性解码器进行解码，计算其关联评分，本发明可以更准确地预测miRNA‑疾病的关联信息。
基于增强超图卷积编码算法 mirna 疾病关联预测方法

[发明专利]一种结合选择性相似性矩阵融合和双向线性邻域标签传播的lncRNA-疾病关联性预测方法-CN202310109046.6在审
发明人：林志毅;陈锐滨;谢国波;顾国生;余俊锐 -专利权人：广东工业大学
申请日： 2023-02-14 - 公布日： 2023-06-23 - 主分类号： G16B40/00 文献下载
摘要：本发明提供一种结合选择性相似性矩阵融合和双向线性邻域标签传播的lncRNA‑疾病关联性预测方法，包括以下步骤：S1：获取lncRNA表达相似矩阵SL和疾病语义相似矩阵SD；S2：获取lncRNA‑疾病关联矩阵LD，并利用LD计算出lncRNA线性邻域相似性矩阵LNL和疾病线性邻域相似性矩阵LND；S3：构建一个非线性迭代的选择性相似性融合方法，将S2步骤所述两种lncRNA相似性和两种疾病相似性分别融合生成lncRNA相似性网络KL和疾病相似性网络KD；S4：最后采用双向线性邻域标签传播方法得到最终预测结果。本发明通过构建相似性融合方法来挖掘更深的邻域相似性信息生成高质量且低噪声相似性网络，结合双向线性邻域标签传播能有效地利用好所构建的相似性网络，从而实现精准预测lncRNA‑疾病的关联。
一种结合选择性相似性矩阵融合双向线性邻域标签传播 lncrna 疾病关联性

[发明专利]一种用于推断lncRNA-疾病关联的受校正相似性约束的概率矩阵分解方法-CN202310109047.0在审
发明人：林志毅;陈锐滨;谢国波;顾国生;余俊锐 -专利权人：广东工业大学
申请日： 2023-02-14 - 公布日： 2023-06-06 - 主分类号： G16B40/00 文献下载
摘要：本发明提供一种用于推断lncRNA‑疾病关联的受校正相似性约束的概率矩阵分解方法，包括以下步骤：S1：获取lncRNA‑疾病邻接矩阵Y，所述lncRNA‑疾病邻接矩阵用于描述lncRNA‑疾病关联关系；S2：计算lncRNA表达相似矩阵ES和疾病语义相似矩阵DS；S3：利用Logistic函数对ES和DS进行相似性校正得到lncRNA校正相似性矩阵LE和疾病校正相似性矩阵LD，以突出相似性范围[0,1]内的强关联性，淡化弱关联性；S4：采用校正相似性矩阵LE和LD作为约束进行概率矩阵分解，在所述lncRNA‑疾病关联矩阵中预测lncRNA‑疾病的关联。本发明引入Logistic函数来重构lncRNA和疾病的相似度矩阵，建立一个更好的度量方式来精确描述lncRNA与疾病之间的相似关系。然后基于相似的lncRNA通常与对应的疾病存在相互关联的假设，在原有概率矩阵分解算法的基础上引入了更多的生物信息(即lncRNA和疾病的相似性)加以约束，实现了精确的lncRNA‑疾病的关联预测。
一种用于推断 lncrna 疾病关联校正相似性约束概率矩阵分解方法

[发明专利]一种基于多尺度特征融合的溺死硅藻检测方法-CN202310233518.9在审
发明人：邓杰航;杨剑发;赵建;韦浩民;顾国生;康晓东;刘超;石河 -专利权人：广东工业大学
申请日： 2023-03-13 - 公布日： 2023-06-06 - 主分类号： G06V20/60 文献下载
摘要：本发明提供一种基于多尺度特征融合的溺死硅藻检测方法，该方法包括：获取硅藻图像；对硅藻检测模型进行优化；将硅藻图像输入优化后的硅藻检测模型，硅藻检测模型输出硅藻图像的种类。本发明可以识别大量硅藻图像，并且检测精确高的特点，能够克服硅藻图像中存在多种尺度硅藻目标且各种尺度硅藻目标数量不均的问题。
一种基于尺度特征融合溺死硅藻检测方法

[发明专利]基于高阶接近性和矩阵补全算法的lncRNA-疾病关联预测方法-CN202110295353.9有效
发明人：林志毅;朱印廷;顾国生;孙宇平;谢国波 -专利权人：广东工业大学
申请日： 2021-03-19 - 公布日： 2023-06-06 - 主分类号： G16B20/00 文献下载
摘要：本发明提供一种基于高阶接近性和矩阵补全算法的lncRNA‑疾病关联预测方法，包括以下步骤：S1：计算lncRNA相似矩阵LS和疾病相似矩阵DS的高阶接近矩阵；S2：获取疾病‑lncRNA邻接矩阵DL，所述疾病‑lncRNA邻接矩阵用于描述lncRNA‑疾病关联关系；S3：构建一个异构性的疾病‑lncRNA关联矩阵，所述疾病‑lncRNA关联矩阵整合了疾病‑lncRNA邻接矩阵DL、lncRNA相似矩阵LS的高阶接近矩阵和疾病相似矩阵DS的高阶接近矩阵；S4：采用矩阵补全法，在所述疾病‑lncRNA关联矩阵中预测lncRNA‑疾病的关联。本发明引入高阶接近性来重构lncRNA和疾病的相似度矩阵，建立一个更好的度量标准来精确描述药物或疾病之间的相似关系，采用构建异构矩阵来利用lncRNA和疾病的相似度信息来辅助预测，实现了更加准确的lncRNA‑疾病的关联预测。
基于接近矩阵算法 lncrna 疾病关联预测方法

[发明专利]基于加权核规范正则化算法的lncRNA-疾病关联预测方法-CN202310121308.0在审
发明人： 顾国生;许浩杰;谢国波;林志毅;陈锐滨;余俊锐 -专利权人：广东工业大学
申请日： 2023-02-14 - 公布日： 2023-05-30 - 主分类号： G16B40/00 文献下载
摘要：本发明提供基于加权核规范正则化算法的lncRNA‑疾病关联预测方法，包括以下步骤：S1：获取lncRNA‑疾病邻接矩阵LD；S2：计算lncRNA表达相似性LSexp、lncRNA功能相似性LSfun、lncRNA高斯相似性LSgau、lncRNA线性邻域相似性LSlin、疾病语义相似性DSsem、疾病高斯相似性DSgau、疾病线性邻域相似性DSlin；S3：采用k‑近邻中心核对齐算法将lncRNA和疾病的相似性分别整合到同一空间；S4：利用lncRNA‑疾病关联矩阵、lncRNA和疾病的最优相似性核矩阵构建一个异构矩阵作为矩阵补全的目标矩阵；S5：将异构矩阵输入加权核规范正则化模型中进行补全，最终得到预测的lncRNA‑疾病的关联。本发明利用k‑近邻中心核对齐算法对相似性信息进行整合用于辅助预测，构建加权核规范正则化模型对异构矩阵进行补全，实现更加准确的lncRNA‑疾病的关联预测。
基于加权规范正则算法 lncrna 疾病关联预测方法

[发明专利]基于Logistic函数填充相似性矩阵的miRNA-疾病关联预测方法-CN202310121993.7在审
发明人：谢国波;谢伟杰;顾国生;林志毅;刘世刚;刘浩杰 -专利权人：广东工业大学
申请日： 2023-02-14 - 公布日： 2023-05-30 - 主分类号： G16B40/00 文献下载
摘要：本发明提供基于Logistic函数填充相似性矩阵的miRNA‑疾病关联预测方法，包括以下步骤：S1：获取miRNA功能相似性MFS、疾病语义相似性DSS以及miRNA‑疾病邻接矩阵MD；S2：将MD矩阵每两行对应位相同且为1与不同的位个数作为Logistic函数的变量，计算出来的值用于填充MFS矩阵的0值处，填充后的矩阵为MS；S3：分别为MS和DS矩阵建立一个权重矩阵来进一步消除整体的噪声；S4：使用拉普拉斯正则化最小二乘法来挖掘潜在的miRNA‑疾病关联。本发明采用拉普拉斯正则化最小二乘法作为主方法，建立一个更好的度量标准来精确描述miRNA或疾病之间的相似关系，实现了更加准确的miRNA‑疾病的关联预测。
基于 logistic 函数填充相似性矩阵 mirna 疾病关联预测方法

[发明专利]一种基于对称-不对称协同模块的低剂量CT降噪方法-CN202310228372.9在审
发明人：邓杰航;刘佳馨;张仕瀚;顾国生 -专利权人：广东工业大学
申请日： 2023-03-10 - 公布日： 2023-05-16 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于对称‑不对称协同模块的低剂量CT降噪方法，该方法包括：获取高剂量CT图像和高剂量CT图像对应的低剂量CT图像；构建对称‑不对称协同模块SCM；使用对称‑不对称协同模块SCM对低剂量CT图像降噪。本发明在网络中期特征图尺寸中，能够很好的嵌套在各种网络中，解决不规则组织与病变特征提取不充分的问题，并且达到了降低网络参数的作用。
一种基于对称不对称协同模块剂量 ct 方法

[发明专利]一种低剂量CT图片质量改善方法、系统及设备-CN202010212722.9有效
发明人：邓杰航;吕伟考;钟韬;顾国生;郭新冲;许国楠 -专利权人：广东工业大学
申请日： 2020-03-24 - 公布日： 2023-05-05 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种低剂量CT图片质量改善方法、系统及设备，包括：选择包含有低剂量图片和高剂量图片的CT文件并转化为H5PY矩阵数据；使用多方向的梯度算子对H5PY矩阵进行卷积运算，将多方向卷积计算结果与H5PY矩阵进行合并，将合并数据输入到VGG‑16神经网络模型中进行训练，对训练好的VGG‑16神经网络模型进行评价，选择出CT图片改善模型；将低剂量CT图片输入到CT图片改善模型中，得到图片质量改善后的低剂量CT图片。本发明多方向梯度算子应用于低剂量CT图片质量的改善之中，多方向梯度算子抗干扰能力强，能够去除图片中的噪音，同时注重细节恢复，有效获取图片的细节纹理，大大提高网络的人眼感受效果。
一种剂量 ct 图片质量改善方法系统设备

[发明专利]一种自注意力－时空协同野火预测方法、系统及设备-CN202211727033.7在审
发明人：邓杰航;王伟铭;顾国生 -专利权人：广东工业大学
申请日： 2022-12-30 - 公布日： 2023-04-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种自注意力－时空协同野火预测方法、系统及设备，涉及野火预测技术领域，方法包括：根据预置野火影响因素获取初始野火影响因子；对初始野火影响因子进行预处理，得到野火影响因子；基于斯皮尔曼相关性分析方法，对野火影响因子进行过滤得到强相关野火影响因子；基于强相关野火影响因子构建样本集；利用训练样本对改进的初始野火易感性预测模型进行训练，将模型误差满足预设误差阈值的初始野火易感性预测模型输出为野火易感性预测模型，并利用野火易感性预测模型进行待预测区域的野火预测，解决了现有野火预测模型无法提取和保存深层特征信息，仅从空间或时间单一维度研究野火是否发生，导致的预测结果不准确的问题。
一种注意力时空协同野火预测方法系统设备

1
2
3
4
下一页»
尾页
共 57 条