一种基于深度学习卷积神经网络的新冠病毒识别预测模型
公开
摘要
本发明公开了一种基于深度学习卷积神经网络的新冠病毒识别预测模型，选取确诊新冠与健康人员的血清拉曼光谱作为样本，首先将样本光谱数据使用Min‑max方法归一化、使用Savitzky‑Golay方法对光谱进行平滑去噪、使用主成分分析方法对光谱数据降维处理后，利用卷积神经网络构建新冠病毒的识别预测模型，并使用Adam优化算法对模型参数进行优化，以提高模型的预测准确率。最后，为证明卷积神经网络的优越性，选取机器学习中的随机森林、逻辑回归、决策树、K近邻等算法进行模型构建，对比不同模型的预测结果，得出基于卷积神经网络的模型对新冠病毒具有最高的识别准确率，为生物医学检测新冠病毒提供一种无损辅助的方法。
基本信息
专利标题 ：
一种基于深度学习卷积神经网络的新冠病毒识别预测模型
专利标题（英）：
暂无
公开（公告）号 ：
CN114628037A
申请号 ：
CN202210180325.7
公开（公告）日 ：
2022-06-14
申请日 ：
2022-02-25
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
曾万聃杭芒芒
申请人 ：
上海应用技术大学
申请人地址 ：
上海市徐汇区漕宝路120-121号
代理机构 ：
上海汉声知识产权代理有限公司
代理人 ：
黄超宇
优先权 ：
CN202210180325.7
主分类号 ：
G16H50/80
IPC分类号 ：
G16H50/80 G06K9/00 G06K9/62 G06N3/04
IPC结构图谱
G
G部——物理
G16
特别适用于特定应用领域的信息通信技术
G16H
医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术
G16H50/00
专门适用于医疗诊断，医学模拟或医疗数据挖掘的ICT；专门适用于检测、监测或建模流行病或传染病
G16H50/80
用于检测、监测或模拟流行病或传染病，例如 流感
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
