特别适用于特定应用领域的信息通信技术〔ICT〕〔2018.01〕

本申请提供了一种肿瘤药物敏感性预测方法、系统、设备及存储介质，方法包括获取蛋白质与蛋白质的相互作用网络，并根据目标基因得到相互作用网络的子图；获取临床样本的第一多组学数据，提取目标基因的基因表达谱；从药物基因组学项目中获取临床前样本的第二多组学数据和药敏数据；并进一步具体训练神经网络。本申请通过样本及药物训练的深度学习模型，进行药物敏感性预测，大大提高药物预测精度，满足实际临床癌症应用中的精准医疗。

一种针对头颈动脉狭窄患者的脑血流自调节模拟方法，属于血流动力学领域。建立脑部微动脉交感神经和迷走神经信号数学模型，模拟脑灌注压变化时神经活动，从而建立脑血流自调节机制的自主神经调节数学模型；模拟脑灌注压变化时脑部微动脉血管平滑肌运动，从而建立脑血流自调节机制的血管平滑肌反射调节数学模型；模拟脑灌注压变化时脑部微动脉血管剪切应力调节促使血管产生舒缩运动，从而建立脑血流自调节机制的剪切应力调节数学模型；针对头颈动脉狭窄患者，依据不同狭窄程度优化自主神经调节功能，建立脑血流自调节数学模型；建立人体血液循环系统集中参数模型，将脑血流自调节模型加入集中参数模型，模拟不同体外反搏压力下的脑血流‑灌注压。

本发明公开了一种基于逻辑回归建模的样本同源性检测校验方法及系统，方法包括：获取两个VCF格式的基因文件；根据预定过滤筛选条件分别对两个基因文件中的SNPs进行过滤筛选，获得过滤筛选后的SNPs；计算两个样本的第一关联参数；计算两个基因文件的转换与颠换比和拟合前一致性指数；计算过滤筛选后的SNPs的突变频率；并基于满足第一条件确定对多个过滤筛选后的SNPs的突变频率进行线性拟合后确定多个计算参数，包括样本间突变稳定系数、拟合后一致性指数、拟合斜率、拟合方程的决定系数R2、拟合后皮尔森系数、拟合迭代数、组内相关系数及人群snp库占比；基于多个计算参数进行逻辑回归建模；基于逻辑回归建模预测样本是否同源。

本发明设计一种基于图神经网络的抗肿瘤分子强化学习方法，该方法包含以下步骤：步骤1：根据数据库中的分子标签将分子分为抗肿瘤(阳性)、非抗肿瘤(阴性)类别，步骤2：将所得图输入提出的抗肿瘤分子强化模型，根据阳性分子和阴性分子的不同性质学习图的隐式表示，获得抗肿瘤分子的局部结构特征，用于分子的一步生成和优化，步骤3：施加约束，进行目标优化，确保对分子强化过程中分子的类药性，步骤4：将获得的局部分子结构代入进行抗肿瘤分子的结构修改、优化，步骤5：使用已有分子性质合理检测工具，判断可合成性，输出合理分子，而针对不合理分子，进一步反向优化，步骤6：获得合理的新型抗肿瘤分子，任务结束。

本发明实施方式公开了医学设备的控制方法、控制装置和计算机可读存储介质。方法包括：确定针对在网页中建立的、医学设备的数字孪生体的用户触发事件；基于所述用户触发事件生成适配于控制所述医学设备的控制命令；驱动所述医学设备执行所述控制命令。本发明实施方式可以节约硬件成本，提高控制效率。而且，本发明实施方式通过数字孪生体直观地控制医学设备，实现了用户友好的控制方式，降低了操控难度。

提供了一种算法，基于现有标记或特征之间的关联中治疗组和对照组之间的偏差，来生成协同标记。使用用于预测治疗选项的协同标记解决了治疗选项倾向于个体水平的协变量(诸如患者个人信息、临床信息和肿瘤特征)的问题。在临床决策支持中使用该协同标记与为预测治疗选项而开发的结果预测模型，其享有以下优点。首先，协同标记基于协变量间的关联水平而不是个体协变量的大小来预测治疗选项。此类预测消除了某些协变量影响临床决策的倾向。其次，使用非参数方法生成具有许多协变量的协同标记，避免了由参数模型导致的维数灾难和过拟合问题。

本发明提供一种流行病常态化下城市居民办公通勤中传染的模拟方法，包括采集交通数据，还包括以下步骤：使用网络节点模块和连线设置模块构建复杂城市通勤网络；使用网络感染传播模块设置环境与社群节点和居民个体间的感染规则；将采集到的所述交通数据输入所述复杂城市通勤网络，对流行病常态化下智慧办公方案进行模拟预测；将所述模拟预测的结果进行图表的可视化。本发明提出了一种流行病常态化下城市居民办公通勤中传染的模拟方法，基于真实流量数据构建城市复杂通勤网络，网络节点设计能更好的还原居民上下班过程，进而更好的支持多场景下的智慧办公方案的模拟预测。

本发明涉及用于局晚期直肠癌术后复发风险监测相关的标志物，属于医学分子生物学技术领域。通过对于局晚期直肠癌患者确诊活检组织，手术组织和切缘组织样本进行NGS测序，并在术后定期随访，分析发现了可以预测患者术后复发风险的标志物：KRAS基因，FBXW7基因，切缘组织突变状态以及新辅助治疗前后肿瘤组织样本分子进化模式。其中切缘组织突变状态和新辅助治疗前后肿瘤组织样本分子进化模式是本专利新发现的标志物，两者均能够有效地区分出高复发风险患者，提示临床及时调整治疗方案，从而使得患者能够得到更长期的生存获益。

本申请属于数据处理技术领域，公开了数据展示的方法、装置、电子设备及介质，该方法包括，接收多个监护设备发送的监护数据；监护数据中包含监护参数及其对应的参数值；从监护数据中的各参数中，选取当前监护类型关联的目标参数；根据当前监护类型，确定目标参数对应的展示形式、数据页面以及页面位置；按照目标参数对应的展示形式、数据页面以及页面位置，展示目标参数的参数值。这样，在显示多个监护设备的监护数据时，可以根据监护类型自适应调整显示内容，数据展示直观明了，简化了监护数据查看的繁琐步骤。

本发明公开了一种数据处理方法、装置、电子设备及存储介质，其中，该方法包括：获取目标对象在至少一个生理指标下的生理特征数据；确定与所述生理特征数据相对应的数据处理类型，并调取与所述数据处理类型相对应的目标网络模型；基于所述目标网络模型对所述生理特征数据进行处理，得到目标生理特征数据。解决了在基于生理特征数据对药物特性进行评估时，生理特征数据样本不足，或者在模拟生理特征数据时，模拟的生理特征数据不符合真实生理特征数据分布的问题，达到了在符合真实生理特征数据分布规律的前提下，基于少量的生理特征数据进行数据泛化，得到充足的生理特征数据样本的效果。

本发明公开了一种归一化并比较水平基因转移网络的方法，包括以下步骤：S1：采用贝叶斯概率模型将HGT根据测序量进行归一化；S2：在HGT网络中，将每个基因组被表示为一个顶点，其中，如果HGT发生在两个基因组之间，则在两个顶点之间有一条边；S3：采用不同的分类级别对基因组序列进行注释，得到了不同分类等级的HGT网络；S4：通过图的密度、传递性、同配性和代数连通性几种拓扑性质对HGT网络进行分析。使用图密度、传递性、同配性和代数连通性来描述网络，并在不同组别间的样本中比较HGT网络，以对宏基因组和人体表型关联提供新的分析方向，通过计算多种拓扑属性来分析HGT网络，也能更加系统性地建模并分析宏基因组。

本发明属于材料细分领域，尤其是一种用于电子结构分析的波函数模型方法，步骤包括：建立参数Pn的电子波函数模型，计算出每个衍射点的理论结构因子；通过X射线单晶衍射实验，获得每个衍射点的实验强度，计算出实验结构因子；步骤三：建立理论结构因子与实验结构因子的差值函数；步骤四：采用最小二乘法计算出差值函数的最小值，获得最优模型的参数Pn，最后通过本发明得到材料分析领域精修后的电子结构；后续依据该电子结构进行拓扑分析和材料设计更加精准。

本发明公开了一种计算各向异性层压板任意方向传播超声导波频散特性的方法，方法包括：根据超声导波在板中的传播特性，假设波的传播方向为沿板平面内的任意方向，基于部分波理论，得到三个方向的位移矢量分量表达式，将三维求解问题简化为一维求解，结合虚功原理，将虚位移替换为测试函数；结合通用有限元软件，建立复合材料层压板的一维有限元模型；定义多个弱形式偏微分方程并分别指定到具有不同材料参数的结构层；利用有限元软件的特征值模块求解，得到波数与对应的频率，本发明的优势在于只需采用通用有限元软件就可以更加快速、准确地求解沿任意方向传播的各向异性层压板导波频散关系，且无需繁琐编程。

本发明属于生物医药技术领域，具体涉及一种基于网络药理学及分子对接分析中药组合物治疗围绝经期冠心病机制的方法。所述方法包括以下步骤：步骤S1：中药组合物有效活性成分及靶点的查询和筛选；步骤S2：构建围绝经期综合征相关基因数据集；步骤S3：女贞二仙合剂‑围绝经期综合征的重要核心靶点及网络构建；步骤S4：GO功能和KEGG通路富集分析；步骤S5：分子对接验证。网络药理学分析结果表明：本发明针对的中药组合物‑女贞二仙合剂主要涉及细胞过程、代谢过程、对应激的应答等生物过程，通过调节PI3K‑AKT等信号通路来发挥治疗围绝经期冠心病作用。

本发明提供了一种基于分数阶神经网的蛋白质‑ATP结合位点预测方法及装置，涉及蛋白质‑配体结合位点预测技术领域。包括：从蛋白质的数字化信息中提取模型所需特征，并将其整合成特征矩阵作为输入。接着选用卷积神经网络对其反向传播过程的参数更新过程修改为分数阶梯度迭代，测试数据表明，经过分数阶修改的卷积神经网预测效果优于之前已有的机器学习和整数阶的深度学习模型。将深度学习方法和分数阶微分结合提出一种蛋白质‑ATP结合位点预测的方法，并提高准确率。本发明的重点在于将Caputo定义的分数阶梯度加在单起始预测器的全连接层，在保证收敛和链式法则的前提下，改进了预测器的性能。

本发明公开了一种基于LSTM‑PID的溶菌酶发酵温度控制方法，首先通过机理建模方法建立溶菌酶发酵罐的温度数学模型，然后利用随机游动策略和莱维飞行策略提高鲸鱼优化算法的寻优能力，然后利用改进完成的鲸鱼优化算法为LSTM确定初始阶段参数，然后将LSTM神经网络的输出设置为PID控制器的三个K值并训练得到最为合适的K值代入PID控制器得到控制参数，将控制参数传递到发酵罐生产控制系统中进行温度控制。使用莱维飞行与随机游动策略对鲸鱼算法进行优化，解决鲸鱼优化算法在面对神经网络LSTM这种复杂的模型时容易较早陷入局部极值即过早收敛的问题。

一种方法可以包括获取与使用辐射设备对病灶进行放射治疗的目标治疗计划有关的输入数据(1210)。该输入数据可以包括病灶的第一目标图像。该方法还可以包括获取片段形状估计模型(1220)。该方法还可以包括基于片段形状估计模型和输入数据，估计目标治疗计划的多个目标位置组合和辐射设备的准直器的多个目标片段形状，多个目标片段形状中的每一个对应于多个目标位置组合中的一个(1230)。该多个目标位置组合中的一个可以指示准直器相对于病灶的位置。

本公开属于生物信息学和生物工程技术领域，具体涉及一种基于莱文斯坦距离筛选IRES的方法，基于该方法筛选得到的多核苷酸，包含多核苷酸的环状核酸分子、环化前体核酸分子、重组核酸分子、重组表达载体、重组宿主细胞及用途。本公开通过比较所有样本序列与待预测序列的莱文斯坦距离的均值，可高效准确地判断待预测序列中是否存在IRES，具有效率高、筛选结果准确的优势；且通过本公开提供的IRES预测方法筛选到的IRES活性高，为环状核酸分子在制备蛋白、作为疫苗、生产治疗性蛋白或作为基因治疗手段等方面的应用提供了丰富的翻译起始元件。

本文讨论的方法可以从稀疏数据集中提取相关信号，例如在密码分析、降噪、模式识别或计算遗传学中。通过减少服务器负载、计算时间和数据存储大小，本发明的方案可以提高分析设备的技术性能。本发明的方案可以在大的、稀疏的数据集中识别相关信号，如具有高致病概率的基因变异。

本申请提出的原煤的可选性评定方法、装置及存储介质中，获取原煤的原始数据，原始数据包括多种不同指标相关的数据，根据多种不同指标相关的数据，生成各指标对应的指标曲线，根据各指标对应的指标曲线和各指标相关的数据进行多项式拟合，得到各指标的拟合函数，获取待分析原煤的灰分要求参数，利用各指标的拟合函数确定待分析原煤的可选性等级。由此，本申请具备原始数据快速处理与快速一次成图功能，并且通过有效分析数据形成函数的方式，快速推算理论分选密度和可选性，并能够根据每次给出的不同参数，快速重新计算得出该参数下的分选密度和可选性，改变了传统做参考线得结果的局面，提高了可选性评定的数据处理和分析速度。

本发明公开了一种基于贝叶斯多层线性回归自动选择康复机器人训练策略的方法，该方法对不同受试者、不同反馈策略在相同的试验流程下的成绩进行信息采集，在不同的反馈策略下，根据受试者的基线与短期评估的成绩、基线与从基线到短期评估的成绩改变量之间的线性关系，建立多层线性回归预测模型，在模型基础上，计算出模型中的未知参数，对新来的受试者进行基线训练，将受试者的基线成绩放入不同反馈策略的预测模型中，比较预测出的不同反馈策略下受试者的短期评估成绩，为受试者选择潜在学习益处最大的反馈策略进行训练。本发明只需获取患者初始技能水平，就可预测出患者在不同反馈策略的运动提升量，保证所选的训练策略有最大的运动提升量。

本发明公开了一种基于L1范数图的抗病毒药物筛选方法，属于人工智能与生物学交叉领域。具体包括如下步骤：构建病毒‑药物关联的邻接矩阵，分别计算病毒高斯距离相似性和药物高斯距离相似性；使用病毒基因组序列计算病毒基因序列相似性，使用药物的化学结构信息计算药物化学结构相似性；使用快速核学习法计算整合病毒相似性、整合药物相似性；结合稀疏约束与拉普拉斯半监督学习方法，构建目标函数，分别求解得到病毒视角、药物视角的预测得分矩阵，筛选、排序得到最终结果。本发明能有效克服已知数据中内在噪声信息的不利影响，快速、精确且高效地筛选出病毒有效治疗药物，避免生物医学实验方法耗时长、成本高且风险大的问题。

本发明涉及金融数据处理技术，揭露了一种问卷题目筛选的方法，包括：获取测试问卷样本，对所述测试问卷样本的题目进行数据筛选，得到问卷用户以及对应的问卷题目；根据所述问卷用户对应的问卷题目计算所述问卷题目的相关性系数；根据所述问卷用户对应的问卷题目计算所述问卷题目的区分度系数；根据所述相关性系数及所述区分度系数计算所述问卷题目的分值；根据所述问卷题目的维度以及所述问卷题目的分值对所述问卷题目进行排序，得到精选题目集。本发明还提出一种问卷题目筛选的装置、电子设备以及存储介质。本发明可以提高问卷题目筛选的效率及准确率。

本发明属于药物设计领域，公开了一种基于微滴喷射的口服固体控释制剂的制备方法，包括以下步骤：S1、将活性药物成分和药用辅料在制剂中的分布进行分离设计；S2、对分离设计后的成分信息进行重新组合；S3、将组合后的成分分布信息转化为3D打印设备可识别的切片；S4、利用双通道微滴喷射3D打印机进行打印；S5、用粉末材料承接打印机喷射的成分，从而粘结形成固体制剂。本发明提出的浓度梯度函数定义活性药物成分在制剂中的浓度分布方法，从原理上解决了控释制剂无法实现理想控释效果的问题；利用双通道微滴喷射原理3D打印制备口服固体控释制剂可以改变现有的制备工艺方式，可以制备符合函数设计要求的口服固体控释制剂。

本发明公开了一种基于深度对比学习的半监督膝关节炎辅助分析方法，首先搭建用于膝关节磁共振图像分割的分割模型MoV‑Net，在原本的V‑Net网络基础上增加了辅助输出头；再利用弱数据增强方式和强数据增强方式对训练集中的数据进行处理；再利用基于余弦相似度的相似度计算方法，计算隐藏层特征编码向量内部的各个特征编码向量之间的相似度系数，以及隐藏层特征编码向量各自对应的相似度系数矩阵；再利用步骤3中得到的隐藏层特征编码向量各自对应的相似度系数矩阵，计算无监督对比损失；最后利用有监督损失和无监督对比损失更新分割模型MoV‑Net的网络参数；待分割模型训练完毕后，向分割模型MoV‑Net中输入测试集中的膝关节磁共振图像，从而得到最终分割结果。

本发明涉及膀胱诊疗评估技术领域，尤其涉及智能膀胱评估系统，系统包括数据收集模块、个体排尿模型构建模块、提醒模块以及诊疗评估模块；数据收集模块，用于收集患者的个体信息；个体排尿模型构建模块，用于构建个体排尿模型；诊疗评估模块，用于生成初始健康参数和治疗改善目标，还用于对个性化诊疗方案及执行过程进行评估并提出改进建议；提醒模块，用于在收集到的患者的个体信息存在缺漏或异常时，对患者进行提醒，还用于根据监控提醒计划，对患者进行提醒。本发明提供的系统，能够使患者及时反馈记录排尿信息，避免遗漏，提高患者记录积极性以及治疗配合度，并且能够根据收集到的个体信息对诊疗方案及执行过程提出改进建议，提高治疗效果。

通过虚拟医疗信息组合和测试入口进行的数字接触者追踪包括用于监测用户健康的系统、设备和计算机实现的方法。用户接收包含QR码的文本消息，该文本消息将用户引导至患者调查。基于输入到患者调查中的用户数据，用户被分类为多个类别之一。随后，用户输入允许远程监测患者的一个或多个生理参数。将一个或多个生理参数与相应的阈值和变化阈值进行比较。

本发明是提供一种与病情告知有关的系统，其主要是根据一显示器上显示的复数个选项的择定结果来判断一患者等级；且经预设以在所述显示器实时显示一影片。如此，后端医护人员即可适时确认患者的治疗意向，从而有效地增进相关的疗程效果。

一种用于医疗问诊分离的摘要生成方法，涉及自然语言处理技术领域，针对现有技术中生成的对话摘要准确率低的问题，本申请通过在话语层附加标记器来预测标签，然后将PADE和DOTR标记的话语进行串接，分别生成患者问题摘要和医生诊断摘要，以此生成更加准确的医疗对话摘要，可以用于医患对话系统中，有助于帮助有相似问题的患者提供医疗服务，生成准确的医疗对话摘要，同样有利于辅助医生做出合适的诊断和提供合理的治疗方案。

本发明公开了一种基于原子特征传递网络的小分子单步逆合成预测方法，设计了一个分子单步逆合成预测模型RetroAFPNN，基于原子特征传递网络AFPNN提出了一个目标分子断裂位点的识别模型，基于全连接层提出了一个反应物推荐模型SR‑FC。经过测试，模型具有较高的准确率，能对目标分子推荐其较为准确的反应物。

本发明提供了睡眠记忆活跃水平检测量化的方法，包括：对用户睡眠过程的脑中枢生理状态信号进行采集记录和时帧处理，得到脑中枢生理频带时帧数据；进行时频特征交叉分析、跨频率耦合分析和功能连接分析，经特征选择后得到脑中枢记忆信息编码时帧特征，进一步量化用户睡眠过程中记忆编码和信息整合的强度，生成睡眠记忆活跃水平曲线；根据所述脑中枢生理频带时帧数据识别睡眠时相分期，得到睡眠时相曲线，结合所述睡眠记忆活跃水平曲线，提取时相记忆活跃相关系数，生成睡眠记忆活跃水平报告。本发明实现了对不同性别和年龄段、不同身心状态、不同睡眠质量和不同睡眠时相阶段的睡眠记忆活跃水平的科学检测、分析、量化和评估。

本发明涉及一种提高自愈力的还原离子治疗仪，包括：控制面板，是系统的主控端，用于发出控制命令；采集模块，用于采集用户基础参数数据；配置模块，用于配置还原离子治疗仪中功能模块组成治疗方案；注册模块，用于在还原离子治疗仪初始化运行状态下提供用户注册通道；比对模块，用于比对采集模块下级子模块云端数据库中储存用户基础参数数据与注册模块运行时新采集的用户参数数据；本发明通过构建数据库的方式存储各还原离子治疗仪用户在使用还原离子治疗仪时所使用的还原离子治疗仪功能模块的逻辑，从而通过此种方式来分析电位治疗的使用技巧，确保还原离子治疗仪的正确、有效的使用方法能够被更多还原离子治疗仪用户所了解。

本发明实施例提供了一种介入式心室导管泵的医学信息处理系统，涉及医疗器械技术领域，上述系统包括：知识图谱构建装置、不良事件检测装置以及治疗方案辅助制定装置，知识图谱构建装置，用于构建并存储用于表征已知医学概念之间关系的知识图谱；不良事件检测装置，用于将介入式心室导管泵运行过程中预设参数项的参数数据输入事件检测模型，得到事件检测模型输出的不良事件；治疗方案辅助制定装置，用于将不良事件检测装置的检测结果和/或患者的属性信息输入贝叶斯网络模型，得到贝叶斯网络模型输出的干预决策。应用本实施例提供的系统，能够全面对医学数据进行分析以及处理。

所公开的实施方案涉及用于对重复序列诸如医学上显著的短串联重复序列(STR)进行基因分型和可视化的方法、装置、系统和计算机程序产品。一些具体实施可用于对各自包括两个或更多个重复子序列的重复序列进行基因分型和可视化。一些具体实施提供了一种用于生成序列读段堆积的计算机工具，该计算机工具用于可视化具有重复序列的不同基因型的样品的该重复序列，每个序列堆积包括与两个或更多个不同单倍型比对的读段。

本发明实施例提供了一种患者就诊等待时长的估计方法及装置，涉及医疗器械技术领域，上述方法包括：在确定第一待就诊患者的就诊顺序号后，获得诊断第一待就诊患者的目标医生的历史诊断时长，并获得第一待就诊患者的就诊日期内所述目标医生的已诊断患者的时长，作为已诊断时长；基于历史诊断时长以及已诊断时长，预估目标医生诊断患者的平均诊断时长；基于平均诊断时长以及第二待就诊患者的数量，预估第一待就诊患者的就诊等待时长，其中，第二待就诊患者为：就诊日期内目标医生的待就诊患者中就诊顺序位于第一待就诊患者之前的患者。应用本实施例提供的方案预估患者就诊等待时长时，能够提高就诊等待时长的估计效率。

本发明涉及一种低阻页岩含气量预测的融合模型方法。包括以下步骤：S1：整理目标工区页岩气井的测井数据，使用LOF算法进行测井数据异常值检测，利用均值和众数对异常值进行替换；S2:利用最大最小值法对测井数据进行归一化处理；S3：结合地球物理测井知识和斯皮尔曼法筛选输入模型的测井数据类型；S4：利用S3处理后的数据，建立测井数据到岩心含气量间的随机森林、XGBoost和深度神经网络模型；S5：利用Stacking模型融合策略，将S4中的三模型融合，建立泛化性能更佳的低阻页岩含气量预测机器学习模型；本专利从新颖和适用角度出发，基于Stacking模型融合策略，设计了一种可高效预测低阻页岩含气量的机器学习方法，为低阻页岩气开发策略制定提供参考。

本申请属于生信分析技术领域，具体涉及一种宏基因组多重比对序列重分配方法及应用。所述方法对宏基因组测序数据快速分类，基于分类树报告提取小宏基因组参考序列数据库，通过快速比对划分最小分类单元及比对序列独立子集，模拟计算唯一比对率，构建多重比对序列重分配概率模型，进而实现快速准确的物种序列丰度评估。

本发明公开了上皮性卵巢癌紫杉醇耐药分子标志物及其应用。先筛选到了488个在A2780细胞和A2780‑Taxol细胞中差异表达的基因，然后发现其中26个差异基因与卵巢癌的紫杉醇用药患者的总生存期密切相关。经由KEGG和GO富集分析，筛选得到了3个紫杉醇耐药相关基因。3个紫杉醇耐药相关基因在A2780细胞和A2780‑Taxol细胞呈现出了显著的差异表达情况。特别是UNC5C基因，在A2780细胞和A2780‑Taxol细胞中具有显著性表达下降。这意味着UNC5C有望为临床卵巢癌的紫杉醇耐药诊断和治疗提供有意义的生物学指标，成为卵巢癌紫杉醇耐药患者的下调性分子治疗靶点，患者生存预后的标志物。

本发明公开了CT阴性轻度脑外伤的轴突损伤与进行性脑萎缩的血清标志物预测模型及其构建方法，属于生物医学技术领域。该方法采用弥散加权成像进行基于白质骨架的弥散参数统计分析，考察患者弥散参数的异常改变。同时，采用高分辨率T1加权成像分析雅可比脑萎缩率，评估患者的进行性脑萎缩进程。最后，对纳入的血清标志物与异常改变的弥散参数以及脑萎缩之间进行相关性分析，以此来考察纳入血清标志物对CT阴性轻度脑外伤患者的轴突损伤与进行性脑萎缩的预测效力。该模型及方法能够为轻度脑外伤的早期检测提供有效的辅助检测手段。

本发明提供一种基于术中多维因素的全麻病人体温预测方法及装置。所述方法包括：基于临床经验和历史数据分析，确定影响术中全麻病人体温的多维度因素，并基于所述因素确定对体温影响最显著的特征数据；基于人工神经网络构建以所述特征数据为输入、以体温为输出的体温预测模型；利用历史数据对所述体温预测模型进行训练，利用训练好的模型对术中全麻病人的体温进行预测。本发明通过基于人工神经网络构建以对体温影响最显著的特征数据为输入、以体温为输出的体温预测模型，并利用训练好的模型进行体温预测，提高了术中全麻病人体温预测的精度。

本发明公开了一种抗衰老药物的预测方法、设备及存储介质，所述方法包括：获取衰老药效成分的靶标网络、分子描述符、ADMET参数、衰老活性；将所述衰老药效成分的靶标网络、分子描述符和ADMET参数进行关联融合处理，得到所述衰老药效成分的多源关联融合数据；利用所述衰老药效成分的多源关联融合数据和衰老活性，训练抗衰老药物预测模型，得到经训练的抗衰老药物预测模型，以便利用所述经训练的抗衰老药物预测模型，预测目标药物的衰老活性。本发明对抗衰老药物的预测性能更优，为抗衰老药物的研发提供了一条新的研究策略。

本发明涉及数据分析技术领域，特别是指一种学习质量下降的预测方法和装置。方法包括：接收待预测对象的睡眠信息数据；根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。采用本发明，可一定程度上量化定义睡眠质量和学习质量之间的关系，预测学生学习质量下降的概率。

本发明涉及肌肉疲劳度检测技术领域，尤其是涉及一种基于多模态数据融合的肌肉疲劳度分类方法及系统。所述方法包括：获取康复训练中的多种生理信号和IMU信号；对获取的生理信号和IMU信号进行预处理；将预处理的生理信号和IMU信号转换为灰度图像；将同一种信号转换得到的灰色图像进行结合，形成RGB图像；通过深度学习网络模型对生理信号和IMU信号及其RGB图像进行特征提取；本发明针对现阶段疲劳程度的研究，基于同步采集的sEMG、EEG、ECG及IMU信号，提出了多输入并行的神经网络模型用来提取特征，避免单一信号检测可能出现错误的检测。

本发明提供了一种居民癌症全周期健康管理及防癌教育的系统，包括：数据获取模块，用于基于目标程序获取居民的患癌风险评估结果以及健康管理问卷评估结果；管理模块，用于基于患癌风险评估结果以及健康管理问卷评估结果构建所述居民的健康档案，并基于所述健康档案确定不同居民存在的危险因素；宣传模块，用于基于所述危险因素确定目标癌症防治科普知识，并通过目标程序将所述目标癌症防治科普知识向居民进行展示宣传。通过根据居民的风险评估结果以及健康文件评估结果构建居民的健康档案，从而便于帮助居民梳理各种与癌症可能相关的风险因素，制定针对居民的具体预防措施，为保障居民的身心健康提供了便利。

本发明公开了一种基于多元感知的狮头鹅健康决策方法及装置，涉及狮头鹅健康决策领域，该方法包括以下步骤：采集狮头鹅的动态体重数据、体温数据和运动活跃时长数据；检测并修正动态体重数据、体温数据和运动活跃时长数据；校准修正后的动态体重数据，得到最终稳定的体重数据；采用数据关联方法关联修正后的体温数据、运动活跃时长数据和最终稳定的体重数据，得到关联多元数据；对关联多元数据进行评估，得到健康评估结果；将健康评估结果输入到健康评估决策树模型，得到狮头鹅的健康状况。本发明能高效采集狮头鹅的多元数据，并通过校准得到更稳定准确的多元数据，使狮头鹅健康决策评估更全面准确。

本发明提供一种主要基于血小板/脾脏长径比值的用于预测非手术治疗原发性肝癌患者预后的系统1或系统2；所述预后是指患者确诊原发性肝癌后1年生存概率和/或3年生存概率；所述系统1或系统2包括数据收集模块和计算1年生存概率和/或3年生存概率的模块，其中系统1的计算模块基于建立的可视化Nomogram1模型，系统2的计算模块基于建立的可视化Nomogram2模型，分别对显著影响患者生存的独立因素进行赋分并计算总得分。在两种模型中，血小板/脾脏长径比值≥909得分均为0，血小板/脾脏长径比值＜909得分均为100。本发明构建的预测模型优于经典预测模型。

本申请涉及一种基于激光理疗手环的数据处理方法和装置。所述方法包括：获取当前用户的标准血管密度分布图和对应的标准心率；采集所述当前用户的手腕处的脉搏波速度和当前血管密度分布图；计算所述当前血管密度分布图与所述标准血管密度分布图之间的相似度；根据所述相似度、所述标准心率和所述脉搏波速度计算所述当前用户的当前心率；根据所述当前用户的所述当前心率确定所述激光理疗手环的参数。通过本申请的技术方案，能够更准确地调整激光理疗手环的工作参数以改善理疗效果。

本发明公开了基于动态超网络的脑疾病诊断方法、装置及系统，通过采集若干正常健康被试和患有轻度认知障碍疾病被试的静息态fMRI脑影像数据，进行预处理操作，获取每个被试数据的ROI时间序列；应用仿射聚类算法对每个被试的ROI时间序列进行聚类，自适应对每个被试脑区进行分组；构建动态脑网络；进行特征选择，获取不同的聚类系数；根据不同的聚类系数，对若干训练对象进行特征筛选；最终，建立相应的分类模型。本发明引入滑动时间窗法来构建脑网络，有助于根据大脑的时变性挖掘出大脑隐含的动态网络模型。并通过仿射传播聚类算法提高聚类的准确度，能获得更真实的脑区分组。

本发明涉及在医学背景中使用的人工智能领域。组织活检是一种广泛用于获得特别用于诊断的组织学信息的侵入性方法。因此，本发明人已经进行了研究以限制这种侵入性特征。为此，提出了一种用于预测组织活检结果的方法，其在不进行活检的情况下提供准确的结果。

本发明公开了一种胶质母细胞瘤患者总体生存时间预测系统、电子设备及计算机可读存储介质，属于预测系统技术领域。本发明通过将超图引入脉冲神经膜系统，执行复杂的层次计算、存储中间结果和处理高阶关系，从组织病理学图像中对胶质瘤患者的总体生存时间进行预测；基于脉冲神经膜系统的最大并行性和强鲁棒性，可以在集成学习框架中并行执行多个具有不同初始配置的总体生存时间预测模型，以提高总体生存时间预测精度，并降低时间复杂性。解决了现有技术中存在“模型学习能力差，总体生存时间预测精度低”的问题。