Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江南大学朱书伟获国家专利权

江南大学朱书伟获国家专利权

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!

龙图腾网获悉江南大学申请的专利一种癌症亚型分类方法、系统、设备和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:CN120354224B

龙图腾网通过国家知识产权局官网在2025-08-22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:202510805857.9,技术领域涉及:G06F18/2413;该发明授权一种癌症亚型分类方法、系统、设备和介质是由朱书伟;刘浩;曾流生;徐兢;韦嘉鑫;方伟;陆恒杨设计研发完成,并于2025-06-17向国家知识产权局提交的专利申请。

一种癌症亚型分类方法、系统、设备和介质在说明书摘要公布了:本发明涉及一种癌症亚型分类方法、系统、设备和介质,属于癌症亚型分类技术领域,其中,方法包括:获取待训练样本的基因表达、DNA甲基化和miRNA组学数据,并分别构建各自的样本相似性网络;利用切比雪夫GCN对基于每种组学数据构建的样本相似性网络进行特征提取;根据切比雪夫GCN提取的特征构建第一对比学习损失函数和第二对比学习损失函数,并基于两个对比学习损失函数构建联合训练的损失函数,以训练切比雪夫GCN;利用训练好的切比雪夫GCN输出关于待测样本的融合特征,基于融合特征实现对待测样本的癌症亚型进行分类。本发明能够对癌症亚型的特征进行有效提取,进而进行有效分类。

本发明授权一种癌症亚型分类方法、系统、设备和介质在权利要求书中公布了:1.一种癌症亚型分类方法,其特征在于:包括: 步骤S1:获取待训练样本的基因表达、DNA甲基化和miRNA组学数据,基于基因表达、DNA甲基化和miRNA组学数据分别构建各自的样本相似性网络; 步骤S2:利用切比雪夫GCN对基于每种组学数据构建的样本相似性网络进行特征提取,方法包括: 通过切比雪夫GCN提取样本相似性网络,,的特征,表示为: ; 其中,代表切比雪夫GCN的卷积层学习到的样本特征,;为的输入数据,为切比雪夫GCN的卷积层,当时,;当时,,当2时,;为第种组学数据的样本;为第种样本相似性网络;为激活函数;为切比雪夫GCN的卷积层可以学习的权重参数矩阵; 当≠0时,为在第种组学数据上的第个切比雪夫多项式,表示为: ; 其中,为单个切比雪夫GCN的卷积层多项式个数且为3;为归一化拉普拉斯矩阵,表示为: ; 其中,为的最大特征值,为单位矩阵,=-为拉普拉斯矩阵,为的度矩阵; 步骤S3:根据切比雪夫GCN提取的特征构建关于样本的基因表达和DNA甲基化组学数据的第一对比学习损失函数、并构建关于样本的基因表达和miRNA组学数据的第二对比学习损失函数,基于第一、第二对比学习损失函数构建联合训练的损失函数,通过所述联合训练的损失函数训练切比雪夫GCN; 所述步骤S3中根据切比雪夫GCN提取的特征构建关于样本的基因表达和DNA甲基化组学数据的第一对比学习损失函数、并构建关于样本的基因表达和miRNA组学数据的第二对比学习损失函数的方法包括: 根据切比雪夫GCN提取的特征构建关于样本的基因表达和DNA甲基化组学数据的第一对比学习损失函数为: ; ; ; 其中,为正样本对,为负样本对,为余弦相似度函数,表示样本的阳性样本集,为切比雪夫GCN提取的基于基因表达组学数据的阳性样本的特征,为切比雪夫GCN提取的基于DNA甲基化组学数据的阳性样本的特征,为表示样本的阴性样本集,为切比雪夫GCN提取的基于基因表达组学数据的阴性样本的特征,为切比雪夫GCN提取的基于DNA甲基化组学数据的阴性样本的特征;为第一温度系数; 根据切比雪夫GCN提取的特征构建关于样本的基因表达和miRNA组学数据的第二对比学习损失函数为: ; ; ; 其中,表示切比雪夫GCN提取的基于miRNA组学数据的阳性样本的特征,为切比雪夫GCN提取的基于miRNA组学数据的阴性样本的特征,为第二温度系数; 步骤S4:利用训练好的切比雪夫GCN输出关于待测样本的融合特征,基于融合特征实现对待测样本的癌症亚型进行分类,其中,所述融合特征为融合了DNA甲基化和miRNA组学数据的基因表达特征。

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江南大学,其通讯地址为:214122 江苏省无锡市滨湖区蠡湖大道1800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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。