本发明研究一种基于RDD-YOLO算法的钢铁表面缺陷检测方法。

本发明提出一种基于卷积神经网络的微表情识别方法，涉及计算机视觉和人工智能技术领域，本发明能够提取到更加全面、有效的特征，引入少量的参数即可较高的提升模型性能，快速准确地对微表情进行分类。

国内在基因分子层面上系统化开展遗传性心脏病筛查和诊断的研究还较少，缺乏利用基因测序数据辅助临床诊断的技术方案。本发明的目的和解决的技术问题是针对上述现有技术存在的不足，提出一种利用基因测序数据的遗传性心脏病辅助诊断技术方法和系统。

针对现有遗传变异致病性分类技术在自动化和系统化方面的不足，本发明以ACMG指南作为理论依据，结合相关数据库资源，研究开发针对编码区域遗传变异致病性的半自动分类方法，并实现相应的数据处理系统。该发明能实现对大规模样本数据及海量变异位点信息的半自动和系统化的处理，加快遗传病基因分析速度，极大提升遗传病数据解读人员的工作效率，避免因处理过程的繁琐而导致的错误。

本发明的主要目的在于提供了一种遗传病风险提示的基因测序数据处理系统与处理方法，该系统和方法可实现对大量基因测序数据的精确、快速识别，用以解决现有技术中对致病性变异识别效率低且识别的致病性变异种类有限的问题。系统包括依次连接在一起的变异位点发现模块、ANNVOAR信息注释模块、数据资源支撑模块、风险计算模块和风险提示模块，本发明实现了对海量基因测序数据的标准化和系统化处理，提升了工作效率。