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！

龙图腾网获悉长春理工大学申请的专利一种基于图卷积神经网络的蛋白质亚细胞定位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：CN116597895B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310550075.6，技术领域涉及：G16B20/00；该发明授权一种基于图卷积神经网络的蛋白质亚细胞定位方法是由许红梅;郑越;李雨晴;黄浩然;王作斌;宋正勋;董莉彤;田立国;曲凯歌设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种基于图卷积神经网络的蛋白质亚细胞定位方法在说明书摘要公布了：本发明属于生物信息处理技术领域，尤其为一种基于图卷积神经网络的蛋白质亚细胞定位方法，包括如下步骤，步骤1，数据收集和数据预处理：1‑1,准备数据集：所述数据集包括获取待预测的蛋白质在四种不同染色物质作用下的单通道免疫荧光图像和所述图像中亚细胞结构的标签数据；1‑2，将步骤1‑1中所述的蛋白质四个单通道的免疫荧光图像灰化处理后分别作为一张图像的4个通道，获得对应的一张对相同区域不同物质染色的4通道图像；步骤二，数据增强和训练集、测试集划分。本发明从蛋白质免疫荧光图像中提取特征，相对于单标签的蛋白质免疫荧光图像来说，难度虽然增大但是可以利用标签之间的关联特性，使模型更具鲁棒性，分类结果更加准确。

本发明授权一种基于图卷积神经网络的蛋白质亚细胞定位方法在权利要求书中公布了：1.一种基于图卷积神经网络的蛋白质亚细胞定位方法，其特征在于：包括如下步骤， 步骤1，数据收集和数据预处理： 1-1,准备数据集：所述数据集包括获取待预测的蛋白质在四种不同染色物质作用下的单通道免疫荧光图像和所述图像中亚细胞结构的标签数据； 1-2，将步骤1-1中所述的蛋白质四个单通道的免疫荧光图像灰化处理后分别作为一张图像的4个通道，获得对应的一张对相同区域不同物质染色的4通道图像； 步骤二，数据增强和训练集、测试集划分； 2-1，对步骤1-2中所得的四通道的蛋白质免疫荧光图像中对应的标签数量进行数理统计，对于标签数量过少的标签，选择剔除掉，对于标签数量较少的标签进行数据增强的操作，对其进行上下翻转、左右翻转和旋转得到补充后的数据集； 2-2，对步骤2-1中所得的数据集进行划分得到训练集和测试集； 步骤3，构建基于卷积神经网络的特征提取器； 3-1，对预处理后图像数据进行特征提取，构建基于卷积神经网络的多标签数据集特征提取器：搭建InceptionResnetV2作为蛋白质免疫荧光图像的特征提取器，将训练集和测试集放入该神经网络中进行训练和测试，将蛋白质免疫荧光图像的尺寸调整为卷积神经网络输入的大小，然后进行图像特征的提取，由InceptionResnetV2为主干的神经网络特征提取器得到各个不同标签的图像特征矩阵； 步骤4，采用图卷积神经网络模型构造节点特征提取器； 对蛋白质免疫荧光图像的标签类别进行处理，统计训练集中各自亚细胞结构的数量以及与其他亚细胞结构共现的次数，统计训练集标签邻接矩阵；在word2vec模型中根据亚细胞结构的名称提取各自的词向量；以亚细胞结构的词向量作为图卷积神经网络的节点特征，邻接矩阵作为图卷积神经网络模型的权重； 步骤5，图像特征矩阵和节点特征矩阵输入特征融合器得到融合后的标签的特征矩阵，再将其通过图像特征差异化模块，使融合后标签的特征矩阵的标签矩阵的值放大，从而使标签的特征矩阵之间的差异更加明显，最后将放大后的特征矩阵输入到分类器中得到蛋白质免疫荧光图像对应的标签，经过反向传播过程不断更新整个模型参数，对整个模型进行训练，在满足预设停止条件时保存整个模型，测试集图像输入到整个模型中得到最终的多标签分类结果； 步骤6，基于图卷积神经网络分类器的性能评价，选定多标签性能评价指标，对多标签蛋白质亚细胞定位分类器的性能进行评价。

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长春理工大学，其通讯地址为：130012 吉林省长春市朝阳区卫星路7089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”。