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！

龙图腾网获悉广东医科大学申请的专利基于多模态深度学习的肝癌分析方法、系统、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：CN119626571B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411709912.6，技术领域涉及：G16H50/70；该发明授权基于多模态深度学习的肝癌分析方法、系统、设备及介质是由孙艳芹;宋淑萍;王心怡;成旭晨;林潍轩;王永炫;周锶琪设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于多模态深度学习的肝癌分析方法、系统、设备及介质在说明书摘要公布了：本申请涉及肝癌分析技术领域，特别地，涉及一种基于多模态深度学习的肝癌分析方法、系统、设备及介质。所述方法包括：获取目标患者的病理数据、转录组数据、甲基化数据和临床数据，并分别进行预处理，得到目标病理数据、目标转录组数据、目标甲基化数据以及目标临床数据；分别进行特征提取，得到病理特征、转录组特征、甲基化特征以及临床特征；对病理特征、转录组特征、甲基化特征以及临床特征进行特征融合，得到肝癌分析特征；提取目标患者的脂质代谢相关标记物特征，并根据脂质代谢相关标记物特征和肝癌分析特征对目标患者进行肝癌综合分析。本申请可以全面地反映目标患者的肿瘤特征，提高辅助诊断的准确性，并为目标患者提供准确的预后预测。

本发明授权基于多模态深度学习的肝癌分析方法、系统、设备及介质在权利要求书中公布了：1.一种基于多模态深度学习的肝癌分析方法，其特征在于，所述方法包括： 获取目标患者的病理数据、转录组数据、甲基化数据和临床数据； 对所述病理数据、所述转录组数据、所述甲基化数据和所述临床数据分别进行预处理，得到与所述病理数据对应的目标病理数据、与所述转录组数据对应的目标转录组数据、与所述甲基化数据对应的目标甲基化数据以及与所述临床数据对应的目标临床数据； 对所述目标病理数据、所述目标转录组数据、所述目标甲基化数据以及所述目标临床数据分别进行特征提取，得到与所述目标病理数据对应的病理特征、与所述目标转录组数据对应的转录组特征、与所述目标甲基化数据对应的甲基化特征以及与所述目标临床数据对应的临床特征； 对所述病理特征、所述转录组特征、所述甲基化特征以及所述临床特征进行特征融合，得到所述目标患者的肝癌分析特征； 基于所述甲基化数据提取所述目标患者的脂质代谢相关标记物特征，并根据所述脂质代谢相关标记物特征和所述肝癌分析特征对所述目标患者进行肝癌综合分析； 其中，所述转录组特征和所述甲基化特征通过以下步骤得到： 采用统一流形近似和投影方法对处于高维空间中的所述目标转录组数据和所述目标甲基化数据分别进行特征映射，得到处于低维空间下的转录组映射数据和甲基化映射数据； 根据所述转录组映射数据确定所述转录组特征，以及根据所述甲基化映射数据确定所述甲基化特征； 其中，所述统一流形近似和投影方法具体为以下步骤： S1，对高维空间进行数据点的邻近概率计算； 其中，S1通过以下公式进行所述目标转录组数据或所述目标甲基化数据中的任意两个数据点的邻近概率计算： 式中，表示数据点和数据点的欧氏距离；是数据点的最近邻距离；为预设的尺度参数，为所述任意两个数据点的邻近概率； S2，对低维空间进行数据点的相似度计算； 其中，S2通过以下公式进行所述转录组映射数据或所述甲基化映射数据中任意两个数据点的相似度计算： 式中，和分别为数据点和在低维空间中的位置；和为超参数，为任意两个数据点的相似度； S3，通过以下公式确定高维空间与低维空间的映射的损失函数： 式中，为所述损失函数。

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广东医科大学，其通讯地址为：523808 广东省东莞市松山湖科技园新城大道1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”。

以上内容由龙图腾AI智能生成。