买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南方医科大学申请的专利一种基于联合结构约束和不完整多模态数据非线性关联分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114187962B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111308654.7，技术领域涉及：G16B20/20；该发明授权一种基于联合结构约束和不完整多模态数据非线性关联分析方法是由黄美燕;冯前进;陈秀美设计研发完成，并于2021-11-05向国家知识产权局提交的专利申请。

本一种基于联合结构约束和不完整多模态数据非线性关联分析方法在说明书摘要公布了：一种基于联合结构约束和不完整多模态数据非线性关联分析方法,通过4个步骤得到多个模态表型数据和SNP对应的权重，本发明通过非线性变换去构建SNP与表型的非线性关联，从而考虑了SNP与表型之间的复杂关联，并通过多个SNP对表型的贡献得到不同模态对应的模态共享和模态特定的生物标记物。本发明的最小均方根误差明显优于通过现有技术得到的最小均方根误差的值，从而能够提升检测生物标志物的性能。

本发明授权一种基于联合结构约束和不完整多模态数据非线性关联分析方法在权利要求书中公布了：1.一种基于联合结构约束和不完整多模态数据非线性关联分析方法,其特征在于，包括步骤有： 步骤一、分别收集多个对像的图像数据，其中每个对像均通过多种成像方式得到对应对像不同模态的图像数据，同时收集每个对像的遗传数据； 步骤二、分别对步骤一得到不同模态的图像数据按照预处理方法处理，得到处理后图像；对步骤一得到的遗传数据通过按照控制及筛选方法进行处理，得到处理后遗传数据； 步骤三、将处理后遗传数据和处理后图像代入基于联合结构约束和不完整多模态数据非线性关联分析方法的目标函数； 步骤四、通过求解目标函数，分别得到不同模态上SNP和表型的权重； 所述目标函数如式I所示： 其中为第m个模态的影像表型数据；M为模态的总数量；为第m个模态的样本数量，其中nc和分别为完整的多模态表型数据样本数量和不完整的第m个模态表型数据的样本数量；为第m个模态的潜在表示；h为潜在影像表示的特征维度；Hc为具有完整多模态表型数据的样本的共同潜在表示；为不完整的多模态表型数据中第m个模态的样本的独立潜在影像表示；为第m个模态的稀疏误差矩阵；为学习到的第m个模态的表型潜在影像表示的关联矩阵；为学习到的表型潜在影像表示的关联矩阵；PT为P的转置矩阵；为一个单位矩阵；为第m个模态表型对应的SNP关联矩阵；ΩS和ΩZ为选择相关SNP和影像表型的约束项；f为非线性变换去构建SNP与表型的非线性关联；Lm＝Dm-Cm为拉普拉斯矩阵；Dm为对角矩阵其中第i个对角元素表示Cm第i行的和；Cm为第m个模态表型数据的相似矩阵；第i,j个元素为其中Ym,:i和Ym,:j分别为Ym的第i列和第j列，并设置σ＝1；为局部保真投影； 所述ΩZ通过式II得到， 其中，β1和β2为约束项调控参数；为连接惩罚项；为表型连接矩阵的拉普拉斯矩阵，l21为范数；所述l21范数通过式III得到, 其中，Zm为第m个模态对应的表型关联系数；q为表型的特征数目；h为潜在影像表述的特征数目；zm,ij为第m个模态的关联系数的第i行和第j列的数； 所述ΩS通过式IV得到， 其中||X-XU||21为SNP的图自表达约束；为组稀疏约束来探索SNP组之间的结构关联；α1和α2为约束项调控参数；||U||1为对像的稀疏约束； 所述G21范数由式V表示， 其中，将SNP数据划分为K组p为SNP位点的特征数目。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南方医科大学，其通讯地址为：510515 广东省广州市白云区沙太南路1023号-1063号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。