因美纳有限公司专利技术

因美纳有限公司共有194项专利

  • 所公开的技术包括减少处理氨基酸序列和对应的位置频率矩阵(PFM)的神经网络实现的模型的过拟合的系统和方法。所述系统生成标记为良性的补充训练样例序列对,所述补充训练样例序列对包括按顺序排列的起始位置、目标氨基酸位置和结束位置。补充序列对补...
  • 本公开的技术涉及构造用于变体分类的基于卷积神经网络的分类器。更具体地,涉及一种在训练数据上使用基于后向传播梯度更新技术训练基于卷积神经网络的分类器,该技术逐步地将基于卷积网络网络的分类器的输出与相应的真实值标签匹配。所述基于卷积神经网络...
  • 公开的技术涉及构造用于变体分类的基于卷积神经网络的分类器。具体地,本发明涉及使用基于反向传播的梯度更新技术在训练数据上训练基于卷积神经网络的分类器,该技术将基于卷积网络网络的分类器的输出与相应的真实值标签逐渐匹配。基于卷积神经网络的分类...
  • 所公开的技术提出一种识别引起序列特异性错误(SSE)的序列图案的基于深度学习的框架。系统和方法以大规模变体数据训练变体滤波器以学习序列图案和虚假变体识别之间的因果相关性。所述变体滤波器具有分层结构,所述分层结构构建于深度神经网络上,诸如...
  • 提供了一种用于碱基识别的生物传感器(300)。生物传感器(300)包括采样设备,该采样设备包括具有像素区域阵列(306’,308’,310’,312’,314’)的样本表面(334)和具有传感器阵列(306,308,310,312,31...
  • 公开的技术涉及构造用于变体分类的基于卷积神经网络的分类器。具体地,本发明涉及使用基于反向传播的梯度更新技术在训练数据上训练基于卷积神经网络的分类器,所述技术将基于卷积网络网络的分类器的输出与相应的真实值标签逐渐匹配。基于卷积神经网络的分...
  • 公开的技术涉及构建用于变体分类的基于卷积神经网络的分类器。更具体地,涉及使用基于后向传播梯度更新方法在训练数据上训练基于卷积神经网络的分类器,该方法逐步地将基于卷积网络网络的分类器的输出与相应的真实值标签匹配。该基于卷积神经网络的分类器...
  • 所公开的技术检测冷却液系统的不稳定性,从而减少假警报。在低于预定阈值的稳定操作周期的预定时间窗内测试冷却液温度传感器数据的平滑时间序列。如果稳定温度操作周期小于预定的稳定性测量值,或者如果稳定的试剂冷却液温度已经超过阈值,则所公开的技术...
  • 我们介绍了一种使用深度神经网络预测给定变体是否为体细胞变体或种系变体的变体分类器。所述模型具有两个深度神经网络:一个卷积神经网络(CNN)和一个全连接神经网络(FCNN)以及两个输入:一个具有变体的DNA序列和一组与变体相关的元数据特征...
  • 公开的技术涉及构建用于变体分类的基于卷积神经网络的分类器。更具体地,涉及一种在训练数据上使用基于后向传播梯度更新方法训练基于卷积神经网络的分类器,该方法逐步地将基于卷积网络网络的分类器的输出与相应的真实值标签匹配。该基于卷积神经网络的分...
  • 所述公开的技术直接影响测序数据,并且衍生出自己的特征过滤器。其对跨越一个目标碱基位置的多个对位排列的读长进行处理。其将读长的ELEGANT编码和轻量级分析结合起来,使用轻量级硬件来产生较高的查全率和查准率。例如,可以以较高的查全率和查准...
  • 在一个实施方案中,生物传感器的样本表面包括像素区域并且在采样事件序列期间保持多个簇,使得簇在像素区域上不均匀分布。在另一个实施方案中,生物传感器具有样本表面,该样本表面包括像素区域和覆盖像素区域的阱阵列,该生物传感器的每个像素区域包括两...
  • 公开的技术涉及构建用于变体分类的基于卷积神经网络的分类器。更具体地,涉及使用基于后向传播梯度更新方法在训练数据上训练基于卷积神经网络的分类器,该方法逐步地将基于卷积网络网络的分类器的输出与相应的真实值标签匹配。该基于卷积神经网络的分类器...
  • 所公开的技术预测在扩展的光学碱基识别过程期间的碱基识别质量。碱基识别过程包括前预测碱基识别过程循环和至少两倍于前预测循环的后预测碱基识别过程循环。将来自前预测碱基识别循环的多个时间序列作为输入提供给经过训练的卷积神经网络。卷积神经网络根...