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！

龙图腾网获悉云南财经大学申请的专利基于联邦迁移学习和深度学习算法的特异性驱动基因和共有驱动基因识别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：CN120412748B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510460660.6，技术领域涉及：G16B40/00；该发明授权基于联邦迁移学习和深度学习算法的特异性驱动基因和共有驱动基因识别方法是由宋俊蓉;葛立昌;宋智明;蒋颢;杨润华设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本基于联邦迁移学习和深度学习算法的特异性驱动基因和共有驱动基因识别方法在说明书摘要公布了：本发明涉及基于联邦迁移学习和深度学习算法的特异性驱动基因和共有驱动基因识别方法，包括：基于不同癌症类型的数据，构建数据集；基于多头注意力机制，对所述数据集进行预处理；基于预处理后的数据集，对神经网络模型进行训练，获取基因识别模型；其中，神经网络模型基于切比雪夫图卷积网络和图卷积网络构建，模型训练采用联邦迁移学习方法，训练过程分为服务器端和客户端；基于所述基因识别模型，来识别跨肿瘤的癌症特异性和共有驱动基因。本发明相较于现有方法能够更加准确高效识别出跨肿瘤的特有和共有驱动基因。

本发明授权基于联邦迁移学习和深度学习算法的特异性驱动基因和共有驱动基因识别方法在权利要求书中公布了：1.基于联邦迁移学习和深度学习算法的特异性驱动基因和共有驱动基因识别方法，其特征在于，包括： 基于不同癌症类型的数据，构建数据集；其中，每种癌症类型的数据均包括：DNA甲基化数据、拷贝数变异数据、体细胞突变数据； 基于多头注意力机制，对所述数据集进行预处理； 基于预处理后的数据集，对神经网络模型进行训练，获取基因识别模型；其中，神经网络模型基于切比雪夫图卷积网络和图卷积网络构建，模型训练采用联邦迁移学习方法，训练过程分为服务器端和客户端； 基于所述基因识别模型，来识别跨肿瘤的癌症特异性和共有驱动基因； 对神经网络模型进行训练包括： 预先对服务器端和客户端随机分配数据集； 服务器端初始化全局模型参数，并将参数发送给客户端，更新局部模型参数； 服务器端收集并聚合来自各个客户端更新后的局部模型参数，并使用神经网络模型在分配的预处理后的数据集上训练全局模型； 每个客户端利用分配的预处理后的数据集，从服务器端下载全局模型参数，并使用神经网络模型训练局部模型； 服务器端和客户端持续进行参数交换，直到模型达到收敛状态； 聚合来自各个客户端更新后的局部模型参数的方法包括： 其中，表示第t轮的全局模型参数，β是控制全局模型更新的超参数，表示第t轮训 练的客户端i的局部模型参数，表示d维实数空间，表示客户端数量，i表示客户端； 训练全局模型包括： 其中，表示用神经网络模型更新后的全局模型参数，表示公共数据集， 表示切比雪夫图卷积模型，表示第t+1轮的全局模型参数； 训练局部模型包括： 其中，表示第t+1轮训练的客户端i的局部模型参数，表示正则化参数，表 示客户端i的切比雪夫图卷积模型，表示客户端私有数据； 所述神经网络模型包括若干层；其每一层执行以下操作： 其中，表示前一层的特征矩阵，表示第层的权重矩阵，表示非线性激 活函数，表示第k阶的Chebyshev多项式，表示第i层神经网络对应的第k阶 Chebyshev多项式的可学习参数，表示多项式的最大阶数，表示当前的 Chebyshev多项式阶数； 在所述神经网络模型的每一层中引入了残差连接； 所述神经网络模型的最后一层的输出为每个基因的排名分数，每个基因的排名分数还通过sigmoid激活函数处理。

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云南财经大学，其通讯地址为：650221 云南省昆明市五华区龙泉路237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。