专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果558406个,建议您升级VIP下载更多相关专利
  • [发明专利]一种白细胞分类试剂盒及其分类方法-CN201210154428.2无效
  • 邵建辉 - 嘉善加斯戴克医疗器械有限公司
  • 2012-05-18 - 2013-12-04 - G01N33/50
  • 本发明公开了一种白细胞分类计数试剂盒及其分类方法,该试剂盒由水溶性量子点-菁染料探针和红细胞和血小板溶血剂组成。其中量子点-菁染料探针由多肽类物质作为量子点的稳定剂和与发射光谱在近红外区的Cy5菁染料共价连接分子构成,具有量子产率高且灵敏度高的特点;红细胞和血小板溶血剂能够迅速的溶解血液中的红细胞,由阳离子表面活性剂本发明的白细胞分类试剂可以对血液样本白细胞中的淋巴细胞、单核细胞、中性粒细胞和嗜碱性粒细胞、嗜酸性粒细胞进行准确的亚类识别,并能进一步识别出未成熟细胞和/或异常细胞
  • 一种白细胞分类试剂盒及其方法
  • [发明专利]一种基于深度残差网络的细胞分类方法及系统-CN201810300560.7有效
  • 雷海军;李晗聪;韩涛;雷柏英;罗秋明;杨张 - 深圳大学
  • 2018-04-04 - 2022-04-08 - G06V30/19
  • 本发明公开了一种基于深度残差网络的细胞分类方法及系统,所述方法包括:获取细胞图像的数据集,所述数据集包括第一数据集与第二数据集;采用深度残差网络对所述第一数据集进行训练,并将经训练后的网络迁移至所述第二数据集进行训练,得到目标网络;将待分类细胞图像输入至所述目标网络中,得到特征图,并对所述特征图进行分析,输出细胞图像的分类结果。本发明利用残差网络对数据集进行训练,并结合迁移学习的方法,创建了可自动分类的网络结构,有效解决了生物医学图像数据集偏小的问题,避免了过拟合情况的发生,不但减少了工作量,提高了工作效率,而且有效提高了细胞自动分类的正确率
  • 一种基于深度网络细胞分类方法系统
  • [发明专利]一种单细胞测序的数据分类方法-CN201811501781.7有效
  • 谢尚潜;刘宇枭;林加论;邢剑锋 - 海南大学
  • 2018-12-10 - 2022-10-04 - G16B30/00
  • 本发明属于生物信息学分析技术领域,公开了一种单细胞测序的数据分类方法;包括有第一条序列(Read1.fastq)的信息识别模块;第二条序列(Read2.fastq)的信息识别模块;条形码列表信息加载(barcodeList本发明主要对单细胞测序技术SPLiT‑seq的数据进行分类,在分类过程中充分考虑条码barcode的信息,这是第一个对单细胞SPLiT‑seq技术的数据分类的方法。在barcode和特征序列中加入了容错比对机制,并使用碱基转换函数,将字符转换成数字进行运算,使单细胞测序数据的分类更加快速和高效。
  • 一种单细胞数据分类方法
  • [发明专利]图像分类模型的训练方法、图像分类方法、装置及设备-CN202111235867.1在审
  • 张闻华;张军;韩骁 - 腾讯科技(深圳)有限公司
  • 2021-10-22 - 2022-04-08 - G06V10/764
  • 本申请提供了一种图像分类模型的训练方法、图像分类方法、装置及设备,属于人工智能技术领域。方法包括:获取第一样本数据集;获取第二样本数据集;基于第一样本数据集,采用自监督的方式对图像分类模型进行预训练,得到第一图像分类模型;基于第二样本数据集,对第一图像分类模型进行训练,得到目标图像分类模型上述技术方案,通过在预训练时引入图像类型标签和染色固定标签,使得第一图像分类模型能够学习到样本染色图像本身的特征,该第一图像分类模型能够对细胞进行较为精确的分类,再基于样本细胞图像和细胞标签对该第一图像分类模型进行训练,能够进一步的提高模型的分类精度,使得训练得到的目标图像分类模型具有较高的分类精度。
  • 图像分类模型训练方法装置设备

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top