特别适用于特定应用领域的信息通信技术〔ICT〕〔2018.01〕

本发明公开了一种多模态药物‑蛋白质靶点相互作用预测方法，包括：S1，对药物分子进行特征编码从而获取药物分子的特征表示；S2，对蛋白质靶点进行特征编码从而获取蛋白质靶点的特征表示；S3，将多模态药物分子的特征表示和多模态蛋白质靶点的特征表示进行特征融合获得融合后的相互作用特征；S4，将融合后的相互作用特征作为分类器的输入，基于带标签训练集对预测模型进行训练后获得相互作用预测模型，从而基于相互作用预测模型预测药物分子和蛋白质靶点之间的相互作用。还公开对应系统及应用。通过融合药物分子和蛋白质靶点的结构与语义多模态特征，对药物分子和蛋白质靶点完整充分描述，利用Transformer网络能够对相互作用有效建模，更准确的进行DPI预测。

本申请公开了结直肠癌肝转移患者贝伐珠单抗转化治疗疗效预测模型，基于PET/CT影像模型和临床因素构建，构建方法如下：步骤一、收集拥有完整治疗前PET/CT图像的Bev转化治疗组的CRLM患者的PET和CT图像；步骤二、对PET和CT标记肝转移灶的感兴趣区域；步骤三、采用深度神经网络提取感兴趣区域的特征，对PET和CT的特征同时进行提取；步骤四、将网络输出的特征利用高斯混合模型进行降维处理，将高斯混合模型的输出作为建立分类模型的图像特征；步骤五、根据患者的分组，将图像特征、临床信息相结合，使用回归建立分类模型最终得到预测模型。本申请提供的预测模型具有较高的稳定性、灵敏度和特异度。

本发明涉及一种调控公度和非公度接触界面摩擦共振的研究方法。以双层石墨烯为研究对象，建立分子动力学模型，通过研究在不同接触状态下，摩擦力随着速度的变化，确定速度及接触状态对石墨烯摩擦力的影响，并结合傅里叶变换方法，采用共振理论解释摩擦力的局部峰值现象。此外，本发明进一步确定了石墨烯探针和基底的声子谱匹配度对于摩擦过程中能量耗散的影响。最后，推导计算界面声子数的理论模型，并对比激发声子数频率分布范围的不同来定量解释两种接触状态下摩擦力截然不同的内在机理。本发明为确定不同接触状态下石墨烯的摩擦力速度依赖性的内在机理，提供了行之有效的研究方法，能够为考虑共振频率而设计摩擦副提供理论参考。

本发明涉及基于全基因组的运动提高心肺耐力效果预测方法及装置，该方法包括：获取待检测用户的基本信息、运动前的初始心肺耐力值以及多个目标单核苷酸多态性位点；根据多个所述目标单核苷酸多态性位点，确定所述待检测用户的第一基因预测评分；根据所述第一基因预测评分，通过预训练的第一预测模型，确定所述待检测用户的运动提高心肺耐力效果等级；根据所述基本信息、所述初始心肺耐力值和所述第一基因预测评分，通过预训练的第二预测模型，确定所述待检测用户运动后的目标心肺耐力效果值。通过本发明的方法，可以在有心肺耐力测试和无心肺耐力测试两场景下，进行运动提高心肺耐力效果的预测。

本案涉及一种动力学仿真模型、其建立方法及仿真方法，包括：建立考虑热效应及剪切效应下的附加集中质量的FGM梁系统；采用混合坐标法在浮动坐标系中描述附加集中质量的FGM梁系统中的FGM梁上任一点作大范围旋转运动变形的位移场；对FGM梁的大范围旋转变形进行离散；运用第二类Lagrange方程建立附加集中质量的FGM梁系统的一次近似刚柔耦合动力学方程，即得基于无网格法考虑热效应及剪切效应FGM梁的动力学仿真模型；采用Newmark法求解热效应下附加集中质量的FGM梁的动力学仿真模型，得到大范围旋转运动的附加集中质量的FGM梁的变形示意图。本案的仿真模型和仿真方法具有效率高、精度高的优点。

本发明提供了一种预测铸态铝硅合金力学性能的方法及系统，包括如下步骤：确定铸态铝硅合金力学性能的影响因素；对铝硅合金进行力学性能试验，获得样本数据集；对样本数据集进行归一化预处理；确定BP神经网络结构；对BP神经网络结构进行训练，建立铸态铝硅合金力学性能的影响因素与铸态铝硅合金力学性能的指标之间的映射关系，得到BP神经网络模型；向BP神经网络模型输入相关参数，利用BP神经网络模型计算输出结果，输出结果经反归一化处理后为铸态铝硅合金力学性能的预测值。本发明的方法步进可以取代传统数学公式拟合法对力学性能的描述，而且能够规避传统破坏性的取样检测方法，降低时间、人工成本，提高经济效益。

本发明提供了一种基于预处理降噪和生物中心法则的多组学集成方法和系统，其中方法包括：对待分析的多组学数据通过预处理进行降噪处理并输出预处理后的多组学数据，降噪处理是指，利用预设算法对多组学数据的特征进行迭代分析判断出多组学数据的特征中的低噪声特征，保留多组学数据的特征中的低噪声特征；对预处理后的多组学数据进行整合处理并输出整合处理后的多组学数据；根据预测模型对整合处理后的多组学数据进行分类。本发明提供了一种基于预处理降噪和生物中心法则的多组学集成方法和系统，先进行预处理降噪，再通过生物学逻辑(生物中心法则)作为依据的神经网络结构算法进行组学整合，以充分挖掘多组学数据的潜在特征信息。

由于复合材料的性能通常会受到微观结构和材料组分信息的综合影响，现有方法大多基于微观结构或者材料组分进行预测，利用的数据比较单一，无法对复合材料的性能进行准确预测。有鉴于此，本发明公开了一种基于微观结构与材料组分多模态融合的复合材料性能预测模型和方法，充分考虑的两者对复合材料最终性能的影响，构建了由材料微观结构特征向量提取网络、组分质量占比特征向量提取网络、晶体类别特征向量提取网络、自适应特征向量融合模块和用作回归器的全连接层构成的多模态复合材料性能预测模型，相较于现有的基于单一模态信息进行预测，同时使用材料微观结构图像、组分质量占比、组分晶体类别等多种模态信息具有更高的预测精度。

本发明公开了一种基于图正则化矩阵分解的药物疾病关联关系的预测方法。本发明方法根据各疾病的向无环图提取各疾病之间的语义相似性，再结合现有数据库中各疾病与药物之间的关联关系，利用图卷积方法提取疾病特征构建疾病特征矩阵，确定各疾病之间的余弦相似性并与语义相似性相融合，得到基于有向无环图的疾病关联关系后，再根据现有数据库中的药物特征构建药物特征矩阵，结合疾病特征矩阵，建立药物分子与疾病之间的关联矩阵，基于图正则化与核方法的矩阵分解算法对关联矩阵进行特征分解，通过构建目标函数，优化药物相似性网络和疾病相似性网络中节点的近邻关系，充分利用了疾病特征和药物特征，实现了对药物与疾病之间关联关系的精确预测。

本公开提供一种模型训练方法、感染人数预测方法、存储介质及电子设备；涉及人工智能技术领域。所述方法包括：获取目标传染病的第一特征数据，所述第一特征数据包括所述目标传染病的多个影响因素集合和感染人数；根据各所述影响因素集合和所述感染人数构建与各所述影响因素集合对应的感染人数预测模型；利用所述多个影响因素集合和所述感染人数对各所述感染人数预测模型进行训练，得到非标注数据上方差最小的各所述感染人数预测模型，并利用训练好的各所述感染人数预测模型预测该传染病在目标时间段内的感染人数。本公开可以提升感染人数预测模型的预测性能，进而提高感染人数预测的准确性。

本发明公开了一种综合深度学习和医学知识的胰岛素剂量推荐系统。本发明利用预训练的方法，可以从大量的糖尿病患者病史和化验数据中学习2型糖尿病的患者特征，利用CGM数据有助于学习到更多患者对于胰岛素的血糖反应，在预测血糖变化模型性的基础上，利用符合医学知识的胰岛素调整规则，综合考虑当前血糖、血糖变化以及患者对胰岛素的敏感性，给出了一个较合理且操作方便的胰岛素剂量调整策略，且预测表现优于既往模型。

本申请提供了一种连续因果效应的估计方法、装置、设备及存储介质，应用于数据分析与挖掘技术领域，所述方法包括：获取待估计数据；将所述待估计数据输入连续因果效应估计模型，得到结果预测值；根据所述结果预测值计算连续因果效应。通过上述方法，能够处理大量的数据信息，并且基于连续因果效应估计模型能够处理连续干预下的因果效应估计问题，更加符合实际应用中遇到的问题，能够有效估计出连续干预变量对输出结果的影响，为数据分析提供帮助。

本发明公开了一种基于CNN‑LSTM的氢气浓度快速预测方法。该方法构建神经网路模型，利用传感器检测环境中的氢气浓度、温度与湿度，将测得的数据进行滤波、归一化后作为模型的输入，测得的氢气饱和浓度与设定的真实氢气浓度作为模型的输出，然后利用测得的数据对模型进行重复训练，得到预测模型，并且利用测得的数据对预测模型进行评估、调整优化。利用该预测模型能够在氢气扩散初期预测环境中的氢气浓度，实现氢气浓度的快速预测，大幅度缩短检测时间，有利于预先掌握氢气的饱和浓度。另外，本发明将环境的温度与湿度作为输入和测得的氢气浓度一起输入神经网络，减少了环境温湿度对测量结果的影响。

本申请涉及一种基于冠状动脉造影重建冠状动脉模型的方法及相关设备，其方法包括以下步骤：基于冠状动脉造影进行几何建模，得到冠状动脉模型；基于个体病例FFR的测量数据拟合得到冠状动脉进出口压力‑时间函数，并添加为冠状动脉模型的进出口边界条件；搭建流固耦合计算平台，导入冠状动脉模型以进行双向流固耦合仿真计算；基于仿真计算结果获得三个冠状动脉血流动力学数据并构建可视化云图。本申请具有从可视化与量化两方面，验证了基于动态冠状动脉造影的建模及血流动力学仿真分析流程，有助于辅助分析评估冠状动脉血流动力学及功能学参数。

本发明公开涉及一种放射治疗计划质量的量化评价方法及装置，该方法包括：确定目标放射治疗计划；根据该目标放射治疗计划中的结构复杂度指标和放射剂量指标值，以及通过临床审核的历史放射治疗计划，通过预设的放射治疗计划评分策略确定该目标放射治疗计划的目标评分；根据该目标放射治疗计划的目标评分和历史放射治疗计划的历史评分对该目标放射治疗计划进行评价，确定该目标放射治疗计划为优质计划或劣质计划。能够对放疗计划进行整体的、客观的、且量化的评价，帮助计划设计者直观地了解计划质量，提示计划是否存在进一步改进的空间，从而实现放疗计划的质量控制。

本发明涉及一种基于PPG信号的微循环功能指标检测系统，包括：PPG信号采集模块；压力控制模块，用于阻断局部血流；中央控制模块，用于进行阻断后反应性充血实验，并采集数据；数据接口模块，用于将电信号转换为数字信号，并传输给数据分析模块；数据分析模块，用于对阻断后反应性充血各阶段的PPG信号进行分析，去除噪音优化波形，提取出PPG特征参数并转换为血流动力学参数；数据展示模块。本发明还公开了一种基于PPG信号的微循环功能指标检测系统的检测方法。本发明提供了阻断后反应性充血作为测试流程，检测数据参数更加全面；本发明的数据样本量大且包含了各种微循环功能状态的人体数据，检测数据与评估结果更加准确。

本发明公开了一种糖尿病患者用药的安全性评价系统，所述评价系统包括信息采集模块、数据构建模块、模型比对模块、统计汇总模块、信息存储模块和评价显示模块。该发明通过大数据采集信息进行数据处理与数据统计，根据患者信息、用药指标数据和反馈信息的对应关系，建立模型并确定相关影响因素，在保证用药安全性和治疗有效性的同时，还通过将患者年龄分段、敏感病史和用药资费等信息作为关键分类信息来考虑用药的成本和效益评估经济性，或是根据不同年龄段患者身体耐受性和细胞自我康复能力评估适当性，适应目前糖尿病患者的早龄化敏感化，该安全性评价系统结果可以作为糖尿病患者用药安全性的有效参考。

本发明公开一种营养智能管理方法和智能管理系统，方法包括：通过数据获取终端将用户每日的膳食摄入数据发送至分析平台端；分析平台端将接收到的用户每日的膳食摄入数据进行存储但不进行处理；在预设时期中，分析平台端从指标终端获取用户波动的健康相关指标数据，并判断波动的健康相关指标数据中关键健康指标数据是否符合设定标准；若关键健康指标数据不符合设定标准，分析平台端将已存储但未进行处理的用户每日的膳食摄入数据处理成分析数据；分析平台端将不符合设定标准的关键健康指标数据和分析数据处理为输入数据，输入第一分析模型，输出每日推荐食谱。本发明提出的技术方案旨在指导不同的用户进行合理的膳食管理。

本申请涉及一种训练方案配置方法、装置、计算机设备和存储介质。所述方法包括：接收终端发送的评估数据，所述评估数据包括主要指标和分类指标；根据所述主要指标和所述分类指标计算得到评估结果；根据所述评估结果计算得到训练类型、训练时长、训练难度中的至少一个；根据计算得到的训练类型、训练时长、训练难度中的至少一个配置得到训练方案。采用本方法能够提高训练方案配置的智能化水平。

本发明公开了一种心率检测动态配置方法、设备及计算机可读存储介质，其中，该方法包括：在心率应用的心率驱动每次上报心率检测信息且遍历所述心率应用的心率服务的回调列表时，新建一局部变量列表；将所述回调列表的列表信息复制到所述局部变量列表中；通过遍历所述局部变量列表判断所述心率应用的回调是否为空；在所述心率应用的回调不为空时，向所述心率应用的心率应用层通知心率数据。实现了一种更高效、更稳定的心率检测动态配置方案，有效地避免了因频繁操作所造成的心率检测异常问题，同时，提升了心率检测的处理性能和使用流畅度，增强了用户体验。

本发明公提供的一种卵巢癌免疫基因对预后标志物组合的分析方法，获取数据库中免疫基因数据，确定目标数据并进行数据采集，得到卵巢癌样本数据，根据所述卵巢癌样本数据中的免疫基因的相对表达量构建免疫相关基因对，进而使用单因素Cox比例风险模型联合L1正则化的Cox比例风险模型筛选出23对预后相关免疫基因对，以计算相应卵巢患者的风险评分并基于此构建相应的免疫基因对组合标志物OC‑IRGPI，用于预测卵巢癌患者的远期生存率，建立训练集与验证集并对数据进行分析，得到分析评估结果。

本发明公开了一种基于多学习模型的有机分子常见理化性质的预测方法，首先收集已具有理化性质测试信息的有机分子数据，构建初始有机分子理化性质数据集；然后利用有机分子数据计算分子描述符和分子指纹，并将分子描述符数据集划分为解释性描述符集和回归描述符集两种类型；针对分子指纹数据集以及两种不同类型的分子描述符数据集，分别构建并训练得到三种用于预测分子理化性质的学习模型；分别使用每个训练完成的学习模型对未知理化性质分子的理化性质进行预测，得到各学习模型的预测值；然后利用集成策略对学习模型的预测值进行集成，生成最终的预测值。

本发明公开了一种汇集个人医疗及健康数据的元宇宙医学站，包括：智能设备，被配置为连接至元宇宙空间；医疗信息数据平台，用于获取来自于医疗系统的医疗数据库和来自于公共卫生系统的公共卫生数据库；体征监测设备，对人体体征数据实时检测；医学检测设备，用于定期对人体的医学数据进行检测；智能设备被配置为具有图像识别，从而获取个人的用药和/或饮食识别；智能设备根据以上数据，在元宇宙空间中建立与人体具有相同健康状态的虚拟个人，虚拟个人具有人体诊疗及饮食记录以及实时且全天候的健康状态。本发明提供的元宇宙医学站解决了无法获得个体实时的全方位健康数据，在医学诊断、疾病预防等其他医学问题的准确性、及时性较低的问题。

本发明涉及汽车副仪表板扶手总成强度CAE分析方法。包括以下步骤：1、获取扶手总成各零件材料有熔接线和无熔接线的力学参数，编辑INP材料模型；2、对扶手总成关键零件在Moldflow软件中分别进行模流分析，确定零件的熔接线位置及汇合角度；3、通过软件HyperMesh建模，将3D数据转换成分析用的有限元模型；4、在Abaqus软件中进行CAE仿真分析；5、分析结果确认；6、评估步骤5的分析结果，NO回到步骤3，YES产品结构锁定。本发明能够提升汽车副仪表板扶手总成强度分析的精准度。

本发明公开了一种多源异构医疗数据的统一存取方法与装置，涉及医疗技术领域，包括以下步骤，步骤一：建立公有医疗云服务，步骤二：个人健康数据采集，步骤三：医疗数据采集，步骤四：数据集成中心。本发明通过门诊医生工作站对个人的诊疗情况进行记录，并将个人的诊疗资料上传到电子病历记录平台，同时客户端账号向存储设备发送存储请求，将电子病历记录平台上的个人医疗健康数据进行上传，便于用户对个人健康数据进行上传，能够对个人医疗数据进行融合统一，能够方便快捷，同时也保证了数据的安全性，同时数据集成中心通过提供对外统一接口，便于用户对个人健康数据进行查询，并进行健康管理和诊断服务，同时也保护了用户数据的安全性。

本发明提出了一种空间转录组的双重自监督聚类分析方法及系统，涉及生物信息学领域,对待分析的空间转录组数据进行预处理，得到由基因表达数据、细胞图像特征和邻接矩阵组成的样本数据；将样本数据输入到训练好的双重自监督模型中进行聚类，得到样本数据的聚类分布；依据聚类分布，得到细胞标签，作为最终识别的细胞类型；所述双重自监督，是线性自编码器的自我监督训练和构建全局目标分布监督图卷积神经网络编码器的训练；本发明通过线性自编码器的自我监督训练和构建全局目标分布监督图卷积神经网络编码器的训练，以双重自监督的方式，提高编码器的训练效果，实现对空间转录组细胞的高效准确分类识别。

本发明公开了一种基于粗糙集的菌菇毒性特征检测方法，包括以下步骤：用已有的菌菇信息或者通过特征抽取获取到的菌菇信息经过处理后表示为一个实例决策系统DS；对已有的实例决策系统DS的样本与菌菇特征利用扰动算法进行扰动扩充后获得4个扩充后的实例决策系统；对得到的实例决策系统使用前向贪心式算法或者过滤式算法进行特征选择，得到每一个实例决策系统最优的特征选择结果；利用得到的最优的特征选择结果对测试样本进行集成分类，判断毒性特征，进行决策。实例决策系统将属性约简，使得所需的检测时间缩短；通过扰动算法一定程度上解决由于新的菌菇品种或基因变异导致特征发生改变造成的干扰，提升检测准确率。

本发明涉及一种确定后处理厂溶液系统铀钚同位素成分假定的方法，根据后处理厂的处理对象，确定处理对象的组件参数、辐照历史参数，进而确定临界安全分析用核素成分计算参数的保守组合，开展不同控制棒插入状态的核素成分计算，建立核素成分数据库，结合不同堆型乏燃料组件需考虑的辐照历史中控制棒插入范围、处理对象保守的组件轴向燃耗分布，确定满足铀钚同位素成分假定的不同初始富集度乏燃料组件平均燃耗限值，根据与不同初始富集度的乏燃料组件平均燃耗的范围及分布进行对比后调整迭代分析，使在确定的铀钚同位素成分假定及其对应乏燃料组件平均燃耗限值下，后处理厂刚好能够处理绝大多数的乏燃料组件，尽可能地提高临界安全设计的经济性。

本发明公开了一种听觉注意力训练的耳鸣治疗装置，涉及耳鸣治疗技术领域，包括云服务平台、数据采集模块、数据处理模块、数据评估模块、治疗管理模块。本发明可对耳鸣治疗中的听觉注意力训练过程中的治疗数据和患者反应数据进行采集、分析整合计算处理、综合评估、评分，可有效提高对患者针对听觉注意力训练时评估的准确性，便于及时掌握患者治疗进度，有利于更加合理的安排患者的治疗流程；采用排序前三的声信号频率，以该三个频率的声信号为核心配合声信号频率外延声信号频率按照不同比例制定新的治疗方案，外延声信号频率由前述三种声信号频率按照不同级别进行确定，保证治疗方案的全面性和准确性。

本发明公开了一种基于强化学习和分子模拟的靶向多肽设计方法，包括：分别训练多肽分子生成器和多肽‑靶点蛋白相互作用预测器，并对多肽分子生成器和多肽‑靶点蛋白相互作用预测器联用进行强化学习获得多肽氨基酸分布的新潜空间；从新潜空间采样生成新颖多肽分子集合，并与靶点蛋白进行分子对接获取多肽‑靶点蛋白复合物三维结构；基于多肽‑靶点蛋白复合物三维结构进行分子动力学模拟，计算结合自由能，按照结合自由能从大大小排序并推荐分子。还公开对应系统及应用。克服了传统设计方法的化学空间小、容易引入免疫原性问题、难以评估和靶点蛋白亲和力及专利空间不足缺点，降低工作人员对领域知识依赖，提高新型药物设计开发效率，缩短研发周期。

一种基于去联邦学习的医疗数据共享系统及方法，涉及医疗共享数据领域。本发明是为了解决现有联邦学习方法还存在现有联邦学习无法有效解决持续学习面临的灾难性遗忘的问题，同时还存在移除医疗机构数据贡献会导致其他医疗机构客户端的性能降低的问题。本发明包括：利用医疗机构客户端从服务器获取初始模型；利用医疗机构客户端获取的医疗数据构建基于蒸馏的损失函数更新本地模型权重；将权重上传到服务器；聚合权重，将聚合的权重发送医疗机构客户端；判断医疗机构客户端是否退出，若医疗机构客户端没有退出则重新获取初始模型，若医疗机构客户端退出则恢复医疗机构客户端训练。本发明用于医疗数据的共享。

本发明提供了基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，属于膀胱炎患者进行分类技术领域；其技术方案为：根据条件属性的重要性将其降序排序；其次顺序计算每个膀胱炎数据对象的隶属度，对膀胱炎数据对象进行阴影化处理，阴影域作为膀胱炎数据下一个粒度的论域；然后计算膀胱炎数据相邻两个粒度之间的两种精度差异，通过惩罚函数对膀胱炎数据的代价参数进行修改，从而确定新的阴影集阈值；如果膀胱炎数据最后一个粒度的阴影域不为空,则对其阴影集阈值进行加权求和得到新的阈值对阴影域进行分类。本发明的有益效果为：本发明分类精度好，为膀胱炎诊断提供决策支持，提高患者就医满意度。

本发明公开了一种基于Sobol序列抽样的挠曲电悬臂梁结构灵敏度分析方法，包括以下步骤：S1：建立挠曲电悬臂梁结构模型；S2：基于Sobol序列抽样的挠曲电悬臂梁结构模型参数不确定性分析；S3：将抽取的样本代入对应模型计算获得输出表征的均值和标准计量，对输出性能进行分析和研究。本发明采用上述的一种基于Sobol序列抽样的挠曲电悬臂梁结构灵敏度分析方法，不仅为考虑参数随机性的挠曲电悬臂梁结构性能的优化指明了方向，更为挠曲电悬臂梁作为挠曲电信号输出的主要结构单元，在下一代微纳米机电系统中的应用提供了必要的理论和实验依据。

本发明涉及差分隐私机器学习技术领域，具体涉及一种面向医疗数据的差分隐私知识迁移方法及系统，方法包括数据拥有者将拥有的隐私医疗数据划分为n份，每份分别采用逻辑回归训练一个医疗诊断分类模型，n个模型组成医疗诊断teacher模型，完成训练的该模型对数据使用者发送的无标签医疗数据进行预测，得到数据的分类结果；将n个模型的投票结果聚合在一起后，在聚合后的投票结果上加上高斯噪声扰动，并将加上扰动后投票数最多的标签发送给数据使用者为无标签数据打上标签；数据使用者利用获得的带标签的数据在本地进行训练，得到student模型；本发明解决了现有技术在医疗中心的强隐私要求下模型准确率低下的问题。

本发明公开了一种数字化慢病随访管理系统，具体涉及医疗管理领域，用于解决但现有的慢病随访管理系统，对于慢病患者的随访次序通常是通过医生的经验判断，无法针对性地根据慢病患者的多方信息进行随访安排的问题，包括主控模块，数据录入模块、病情分析模块、就医分析模块、随访管理模块以及数据存储模块；本发明通过综合分析慢病患者的病情变化与就医情况，能够针对性地确定哪些患者需要进行随访调查，并根据分析结果确定随访次序，从而避免了现有的对慢病患者随访主要根据病情轻重来进行随访次序安排的弊端，保证了能够及时针对性的了解各个慢病患者的自身状态，以免延误最佳治疗时间。

本发明实施例公开了一种基于时序的肌电信号特征提取方法、装置、设备及存储介质，其中，所述方法包括：将采集一个步行周期中膝关节周围肌肉收缩变化的sEMG信号按照从下到上，从前到后的肌肉位置进行排序；根据排序和周期时间节点的sEMG信号生成时序信号矩阵；将所述时序信号矩阵按照肌肉运动时序关联性进行填充，得到填充矩阵，以满足第一卷积单元均匀提取时序特征的要求；利用所述第一卷积单元对所述填充矩阵进行特征提取，得到第一特征矩阵；对所述第一特征矩阵进行时序关联填充，得到时序关联填充矩阵；利用第一卷积单元对所述时序关联填充矩阵进行特征提取，并进行池化，得到时序特征序列。

本发明公开了一种基于图对比学习的癌症生存预测模型构建方法，属于信息技术领域，解决了癌症生存预测模型的效果受限问题。包括步骤S1：获取癌症患者的临床数据和历史共病数据，进行数据预处理；S2：构建患者疾病关系图，并用相关临床特征初始化癌症患者特征表示，用独热编码初始化疾病特征表示；S3：基于S2，构建正负疾病样本对；S4：基于S2、S3和图卷积网络生成疾病节点的特征表示，并构建对比损失；S5：基于患者疾病关系图结构和图神经网络生成癌症患者的特征表示，并构建分类损失；S6：模型训练、优化损失函数并对癌症患者的生存情况进行分类预测。本发明考虑患者的共病特征对癌症的生存状态的影响，获得更准确的预测效果。

一种纤维红黏土应力应变关系的预测方法，根据邓肯‑张双曲线建立表示土体的应力‑应变关系的模型；通过将试验结果绘制成ε1/(σ1‑σ3)～ε1曲线，由回归分析即可得出直线截距a与斜率b；通过对试验结果的拟合分析，建立可以考虑纤维含量、纤维长度、围压影响的双曲线本构模型；对于不同围压，纤维长度及纤维含量下的纤维加筋红黏土而言，试验结果与模型计算结果吻合较好，最大误差不超过10％，证明了建立模型的可靠性，表明该模型适用于描述纤维加筋红黏土的应力‑应变关系，为纤维加筋红黏土地基的设计与施工提供参考与借鉴。

本发明公开的一种燃煤电厂燃料智慧化碳流管理系统的碳排放计算方法，该方法涉及监督系统、信息管理系统、智慧化煤场系统、全流程输送系统和入炉煤优化系统等五个子系统。本发明确定燃煤电厂燃料智慧化碳流管理系统的需求，分析各子系统的组合方式及特征，划定碳流动过程中的碳排放核算界线，确定各子系统的能源结构及碳排放因子，核算子系统的碳排放量并累计出碳排放总量，此外，本发明阐述的计算方法具有全面性、适用性及多样性特点，达到对碳排放的精细化计算目的，便于助力实现目标。

本发明公开一种基于双路径并行集成决策的DHSs识别预测方法，包括步骤一、数据集处理获得训练集和测试集，步骤二、建立iDHS‑DPPE模型，步骤三、训练集和测试集统一扩增处理，步骤四、扩增后的训练集序列特征做为输入进行特征提取，步骤五、双路径并行训练处理获得训练iDHS‑DPPE模型，步骤六、利用扩增后的测试集进行模型测试处理，步骤七、模型识别预测并输出结果；本发明通过BiGRU‑Attention模型和MSFRN模型的双模型训练的方式可以捕获到不同层次的重要信息，减少信息丢失，构成的双路径iDHS‑DPPE模型识别预测，能够有效提升泛化能力和鲁棒性，同时能够有效、准确的识别DHSs。

本发明公开了一种子午流注针法前的日干支推算方法，涉及针灸治疗技术领域，实际的工作过程中，通过获取当前年份的元旦日干支并判断当前年份为闰年还是平年，然后基于所述当前年份的元旦日干支推算出与当前日临近且与当前年份的元旦日干支相同或相冲的相近日，再根据相近日的日干支推算出当前日的日干支。与现有推算日干支的方法相比，本方法推算简单，不易出错，极大地提高了施针者的工作效率。

本发明公开了一种基于主元分析和高斯过程回归模型的高分子工业生产过程熔融指数预测的软测量方法。该方法首先选取影响熔融指数变化的关键变量作为软测量模型的输入变量，用主元分析从输入变量中提取主要成分信息，消除变量间的相关性，降低输入变量的维数；再通过高斯过程回归模型建立输入变量(主要成分)和输出变量(熔融指数)之间的非线性关系；同时采用极大似然概率优化方法确定高斯过程回归软测量模型的最优参数；该模型能有效用于指导生产，提高聚丙烯生产过程熔融指数的预测精度，改善产品质量。

本申请提供了一种基于基于人工智能的患者健康干预及加速康复方法及系统，属于数据处理技术领域，该方法包括步骤S1、基于收集的围手术期患者的与疾病相关的基础信息、健康情况、运动习惯及饮食习惯，匹配出用于向患者每日推送的康复干预方案；步骤S2、调取对应的学习内容及题库，并发送给患者；步骤S3、调取对应的训练项目，并将所述训练项目发送给患者；步骤S4、确定围手术期患者对所述康复知识患教方案的学习掌握情况，确定围手术期患者对所述康复训练方案的执行情况；步骤S5、对围手术期患者进行行为驱动，或者对康复干预方案进行强度调整。该申请能够对患者的学习、训练情况进行监测，提高了围手术期患者的健康教育管理效果。

本发明提供了用于检测甲基化测序中样本污染的单核苷酸多态性(SNP)位点的筛选方法以及样本污染的检测方法和装置，其中，该筛选方法包括以下步骤：S1：选取预设人群中频率在0.3～0.7之间的SNP位点；S2：选取突变方向为腺嘌呤(A)突变到胸腺嘧啶(T)或胸腺嘧啶(T)突变到腺嘌呤(A)的SNP位点；S3：选取重复区域以外的SNP位点；S4：选取相互之间物理距离大于预设长度的SNP位点。本发明可以实现低成本、高精度地对甲基化测序中样本污染进行检测。

本发明涉及基于机器学习的胰腺癌诊断方法，具体提供一种构建胰腺癌诊断模型的方法，包括：(1)获取对象样品中DNA序列或其片段的甲基化水平或所述DNA序列或其片段中一个或多个CpG二核苷酸的甲基化状态或水平，和对象的CA19‑9水平，(2)利用数学模型使用甲基化状态或水平计算获得甲基化评分，(3)将甲基化评分与CA19‑9水平合并数据矩阵，(4)基于数据矩阵构建胰腺癌诊断模型。本发明方法可以显著提高胰腺癌无创诊断的精确性。

本发明公开一种医疗大数据的数据处理方法及智能处理系统，方法包括：在数据终端获取到当前医疗数据时，获取当前医疗数据对应的ID码，并获取ID码对应的数据链表，在数据链表中生成新的数据存储节点；将生成时间记录在数据存储节点的生成时间单元；将当前医疗数据的生成时间与数据链表中存储的其他医疗数据的生成时间进行排序，以得到当前医疗数据的时间排序值，将时间排序值记录在新的数据存储节点的时间序列单元；识别当前医疗数据的疾病种类，并将疾病种类记录在疾病种类序列单元；为当前医疗数据对应分配当前存储地址，并将当前存储地址记录在存储地址单元。本发明提出的技术方案旨在使医疗大数据存储过程中形成数据的有序存储。

本申请提供了一种用于药敏预测模型样本构建的方法、装置及设备。其方法包括：获取细胞的基因表达数据及其药敏数据；基于细胞的基因表达数据，获得该细胞在基因集数据库的每个基因集上的得分；将每个基因集上的得分进行归一化处理，获得该细胞的第一特征数据，并基于该第一特征数据，获得该细胞的第二特征数据；将该第一特征数据和第二特征数据合集处理，得到该细胞的第三特征数据，并将该细胞和其对应的第三特征数据、药敏数据作为样本数据。可将基于细胞原始的基因表达数据转化为具有生物学意义的基因集得分，并进行数学处理，得到非单一的特征数据，使得包括此特征数据的样本可体现药物的不同的作用机理的关联性。

本申请提供了语义识别方法、装置、电子设备及存储介质，具体实现方案为：获取患者的输入信息；基于所述输入信息和所述患者的历史诊疗信息，确定所述输入信息的语义向量；利用预设的文本与文本意图的对应关系，确定所述输入信息的语义向量对应的文本意图根据本申请的技术方案，能够准确地确定出输入信息所对应的文本意图。

本发明涉及一种基于双通道强化学习的败血症治疗系统，属于生物医学技术领域。该系统结合了一个全连接神经网络和一个长短期记忆神经网络，其中全连接神经网络用于捕获患者当前的生理状态，长短期记忆神经网络用于代表患者的治疗历史，包括状态、行动和奖励；该系统包括：马尔可夫决策模块、双通道数据流模块、深度强化学习模块、离线策略评估模块；马尔可夫决策模块将整个疾病治疗过程构建为马尔可夫决策过程，选择患者的历史治疗病历构建强化学习模型的输入数据库，包括状态值、动作值和奖励函数。与现有技术相比，本系统通过学习患者的历史和当前时刻的生理信息，可以更好的捕获患者生理特征的动态变化，丰富寻找最优策略的学习过程，性能更优。

本发明提供了一种清开灵注射液类过敏反应检测模型。该模型包括七大模块，分别是小鼠耳蓝染面积占比测试与数据存储模块、小鼠耳蓝染面积评分模块、小鼠耳蓝染面积结果判断模块，以及小鼠耳组织中伊文思蓝(EB)渗出量定量测试与数据存储模块、小鼠耳组织中伊文思蓝渗出量计算模块、小鼠耳组织中伊文思蓝渗出量结果判断模块、结果输出模块；该模型给出了明确的评估分析方法和结果判断标准，检测反应率高，清开灵注射液在10ml/kg的给药剂量下，反应率可达100％，EB渗出量是阴性对照组的6‑10倍；而且方法操作简单，耗时更短，重复性好，能够准确、真实地反映清开灵注射液是否引起类过敏反应，对清开灵注射液质量控制、工艺研究，以及临床应用安全性，具有重要价值和意义。