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！

龙图腾网获悉曲阜师范大学申请的专利一种基于非对称自编码器的单细胞蒸馏判别聚类方法、系统、电子设备及介质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：CN119724374B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202411781657.6，技术领域涉及：G16B40/30；该发明授权一种基于非对称自编码器的单细胞蒸馏判别聚类方法、系统、电子设备及介质是由孙燕;秦宝娟;尚军亮;孙渊;赵妍;张晓晗;蒋守佳设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于非对称自编码器的单细胞蒸馏判别聚类方法、系统、电子设备及介质在说明书摘要公布了：本发明提供了一种基于非对称自编码器的单细胞蒸馏判别聚类方法、系统、电子设备及介质，属于单细胞聚类技术领域，包括以下步骤：步骤S1、基于非对称自编码器对原始数据进行训练；其中，原始数据包括源数据和目标数据；步骤S2、利用源数据标签信息和特征距离信息，使同类细胞聚集、不同的细胞簇远离；步骤S3、利用源数据和目标数据的低维表示计算聚类中心，使细胞簇边界附近的细胞向聚类中心靠近，隐式完成域对齐任务。本发明采用上述的一种基于非对称自编码器的单细胞蒸馏判别聚类方法、系统、电子设备及介质，在细胞聚类性能上表现优秀，有助于推断细胞组织内部的复杂细胞组成和功能特征。

本发明授权一种基于非对称自编码器的单细胞蒸馏判别聚类方法、系统、电子设备及介质在权利要求书中公布了：1.一种基于非对称自编码器的单细胞蒸馏判别聚类方法，其特征在于，包括以下步骤： 步骤S1、基于非对称自编码器对原始数据进行训练；其中，原始数据包括源数据和目标数据；包括： 步骤S11、将原始数据的基因表达矩阵输入到非对称自编码器估计ZINB分布的三个参数矩阵，包括零膨胀参数矩阵、平均值参数矩阵和色散参数矩阵； 其中，表示所有数据的样本数量；表示输入数据的维度；表示第个细胞的基因表达向量；表示第个细胞对应的零膨胀参数向量；表示第个细胞对应的平均值参数向量；表示第个细胞对应的色散参数向量； 步骤S12、设表示第个细胞中第个基因的表达值，分别表示第个细胞中第个基因对应的零膨胀参数、平均值参数和色散参数，使其服从ZINB分布； 步骤S13、根据ZINB分布的负对数似然函数重构数据的损失； 步骤S14、根据平均值参数矩阵和大小因子向量计算得重构数据，计算公式如下： ； 其中，是每个细胞对应的大小因子向量，计算方法是细胞的基因表达量总数除以所有细胞基因表达量总数的中位数；表示将向量转为方阵中的对角线元素的函数； 对于每个样本，构造一个正对和个负对； 步骤S15、根据构造的正对和负对计算对比损失： 步骤S2、利用源数据标签信息和特征距离信息，使同类细胞聚集、不同的细胞簇远离，包括： 步骤S21、在非对称自编码器中的编码器后面加一个分类器，以源数据的基因表达矩阵作为输入，从分类器中得到参考数据的预测概率矩阵，，其中，表示源数据的样本数量，表示细胞类型的数量，表示源数据中第个细胞属于第个细胞类型的预测概率；利用标准的交叉熵函数作为分类损失函数： ； 其中，表示分类损失；表示源数据中细胞的真实标签；表示指示函数； 步骤S22、以源数据的基因表达矩阵作为输入，通过非对称自编码器获得源数据的特征表示，根据源数据的标签信息计算聚类中心，聚类中心在网络训练的每次迭代中更新； 步骤S23、利用标准交叉熵作为蒸馏聚类的损失函数； 步骤S3、利用源数据和目标数据的低维表示计算聚类中心，使细胞簇边界附近的细胞向聚类中心靠近，隐式完成域对齐任务，包括： 步骤S31、以源数据和目标数据作为非对称自编码器的输入，得到源数据的低维特征和目标数据的低维特征及其对应的伪标签，结合源数据的真实标签，计算最终的聚类中心； 步骤S32、利用分布计算低维特征和聚类中心之间的相似度，即软聚类分配概率；利用高置信度的细胞来提高聚类质量，基于软聚类分配概率的分布定义辅助概率分布： 步骤S33、利用标准交叉熵函数作为聚类损失。

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曲阜师范大学，其通讯地址为：273165 山东省济宁市曲阜市静轩西路57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”。