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！

龙图腾网获悉厦门大学申请的专利基于微生物组分层特征自适应融合的疾病预测方法及系统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：CN119889701B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510361147.1，技术领域涉及：G16H50/30；该发明授权基于微生物组分层特征自适应融合的疾病预测方法及系统是由刘雅茹;陆可懿;徐向南;董继扬设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于微生物组分层特征自适应融合的疾病预测方法及系统在说明书摘要公布了：本发明公开了基于微生物组分层特征自适应融合的疾病预测方法及系统，涉及微生物组数据分析技术领域，使用训练好的疾病预测模型基于微生物组数据进行疾病预测；疾病预测模型通过分层特征提取模块对五个分类层级的特征数据进行多层次特征提取，并将结果整合为多级融合特征；利用多尺度特征融合模块通过模式流、上下文流和内容流三条并行通路处理多级融合特征，实现微生物组数据的全方位表征；训练过程引入动态采样模块，基于类别平衡机制和不确定性评估策略，动态调整样本采样权重；最后通过分类器对多尺度融合特征进行疾病预测。本发明充分利用微生物分类层级信息，实现多维度特征表征，有效应对样本不平衡问题，提高疾病预测准确率。

本发明授权基于微生物组分层特征自适应融合的疾病预测方法及系统在权利要求书中公布了：1.一种基于微生物组分层特征自适应融合的疾病预测方法，其特征在于，包括以下步骤： 对多源微生物组数据样本进行预处理，获得包含门、纲、目、科、属五个层级的分层特征数据样本； 构建疾病预测模型，利用分层特征数据样本进行训练，训练过程中结合类别平衡机制和多维度不确定性评估策略，动态调整样本采样权重； 使用训练好的疾病预测模型，基于微生物组数据进行疾病预测； 所述疾病预测模型中，分层特征提取模块对五个分类层级的分层特征数据进行多层次特征提取，整合得到包含分层信息的多级融合特征；多尺度特征融合模块通过三条并行通路处理多级融合特征，分别输出包含结构化信息、环境依赖信息和个体特征信息的特征，再通过动态加权融合机制整合三条通路输出的特征，得到多维度融合特征；分类器基于多尺度融合特征进行疾病预测； 所述分层特征提取模块获得多级融合特征的过程，包括以下步骤： 层次特征提取组件提取五个层级的特征并组合得到层级特征表示Fhierarchical，表示为： Fhierarchical＝[Hphylum，Hclass，Horder,Hfamily，Hgenus]； Hl＝[Flt1，Flt2，...，Fltn]； 其中，Hphylum、Hclass、Horder、Hfamily、Hgenus分别表示门、纲、目、科、属五个层级的特征；每个层级的特征Hl是由该层级下所有分类单元t的聚合丰度Flt组成的向量，l∈{phylum，class，order，family，genus}，X表示输入疾病预测模型的数据矩阵，Xd表示对应于分类单元d的特征向量；Dt是分类单元t的所有后代分类单元组成的集合，通过递归使用子节点映射Rt计算得到，d为Dt中的一个分类单元元素记录所有后代的集合；Rt记录了以分类单元t为父节点的所有子分类单元的集合，通过对映射Mt中的父子关系信息进行反向映射构建的；Mt为已知数据，记录了每个微生物分类单元t的五个层级和父节点信息； 分类层级权重组件动态调整特征权重，从而得到加权特征表示Fweighted，表示为： Fweighted＝X·diagwadjusted； wadjustedt＝wbaset·1+α·discriminativet·1-β·sparsityt； 其中，X表示样本数据矩阵；wbaset是分类单元t所在层级的基础权重，discriminativet衡量特征的判别能力，sparsityt表示特征的稀疏程度，α和β是平衡参数，diagwadjusted表示以调整后权重向量为对角元素的对角矩阵； 分类关系建模组件基于特征之间的分类路径和进化距离构建多维关系矩阵，通过多维关系矩阵计算关系特征表示Frelational，表示为： Frelational＝X·Renhanced； Renhancedi，j＝Ri，j·exp-γ·devolutionaryi，j； 其中，CommonPathi,j表示特征i和j的共同路径长度，Pathi和Pathj分别代表到达特征i和j的完整分类路径长度；devolutionaryi，j表示特征i和j之间的进化距离，γ为控制距离影响强度的参数； 通过特征融合得到多级融合特征Ffinal，表示为： Ffinal＝concatFweighted，Fhierarchical，Frelational·Wfusion； Wfusion是可学习的融合权重矩阵，通过梯度下降法在训练过程中优化。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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”。