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！

龙图腾网获悉广东工业大学申请的专利一种基于双曲图特征学习网络的药物与疾病关联预测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：CN120565103B 。

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：202510578790.X，技术领域涉及：G16H50/70；该发明授权一种基于双曲图特征学习网络的药物与疾病关联预测方法是由谢国波;何炯星;刘岩;张勇豪;伍浩伟;连凯;罗楷聪;黄小兵;林志毅;苏庆设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本一种基于双曲图特征学习网络的药物与疾病关联预测方法在说明书摘要公布了：本发明公开的属于药物与疾病关联预测技术领域，具体为一种基于双曲图特征学习网络的药物与疾病关联预测方法，包括具体步骤如下：S1：从数据库获取药物疾病关联数据，用于构建药物相似度矩阵DR和疾病相似度矩阵DS，将其特征提取后映射到双曲空间中，得到双曲药物初始特征矩阵ZRH、双曲疾病初始特征矩阵ZDH，用于构建药物‑疾病邻接矩阵A。本发明通过双曲图特征重构器和双曲异质变动图转换器有效提取了相似特征和异质特征，提升了特征的准确性；此外，双曲协同表征学习策略有效融合了相似特征和异质特征，提升了特征的全面性；另外，正负融合难例采样策略合成了最具信息性的负样本，能更好地区分正负样本对。

本发明授权一种基于双曲图特征学习网络的药物与疾病关联预测方法在权利要求书中公布了：1.一种基于双曲图特征学习网络的药物与疾病关联预测方法，其特征在于，包括具体步骤如下： S1：从数据库获取药物疾病关联数据，用于构建药物相似度矩阵DR和疾病相似度矩阵DS，将其特征提取后映射到双曲空间中，得到双曲药物初始特征矩阵ZRH、双曲疾病初始特征矩阵ZDH，用于构建药物-疾病邻接矩阵A； S2：对ZRH和ZDH应用双曲图特征重构器，得到双曲药物相似特征矩阵SRH和双曲疾病相似特征矩阵SDH，具体步骤如下： S21：运用双曲特征变换提取药物节点和疾病节点的中间特征向量；具体步骤如下： S211：对于药物疾病关联数据中的nr个药物节点，已知双曲药物初始特征矩阵ZRH，表示ZRH的第i行双曲药物初始特征向量； S212：对于药物疾病关联数据中的任意药物节点dri，在第l层双曲图特征重构器中，首先进行双曲特征变换，将上一层的双曲空间映射到该层的双曲空间； S22：计算双曲同质融合注意力，使用双曲同质融合注意力提取药物和疾病节点的双曲相似特征，具体步骤如下： S221，计算双曲同质融合注意力，所述双曲同质融合注意力由节点特征注意力、双曲距离注意力和结构注意力组成； S2211：计算第l层中药物节点dri对药物节点drj的节点特征注意力 S2212：计算第l层中药物节点dri对药物节点drj的双曲距离注意力 S2213：计算药物节点dri对药物节点drj的结构注意力； S2214：在第l层，将节点特征注意力双曲距离注意力和结构注意力融合得到双曲同质融合注意力； S222：使用双曲同质融合注意力提取药物和疾病节点的双曲相似特征； S2221：对进行双曲编码，得到药物节点dri在第l层的双曲相似特征 S2222：对任意药物节点dri进行上述操作，经过h层迭代，最终可得双曲药物相似特征矩阵用表示SRh,H； S2223：重复上述步骤，以得到双曲疾病相似特征矩阵 S3：根据A构建异质图AG，基于AG使用GCN和双曲异质变动图转换器对ZRH和ZDH训练得到双曲药物异质特征矩阵HRH和双曲疾病异质特征矩阵HDH； S4：拼接SRH和HRH，拼接SDH和HDH，使用MLP得到双曲药物特征矩阵FRH和双曲疾病特征矩阵FDH； S5：基于FRH和FDH，运用正负融合难例采样策略构建双曲难例药物特征矩阵FR'H和双曲难例疾病特征矩阵FD'H； S6：利用FR'H和FD'H，通过MLP输出预测结果。

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工业大学，其通讯地址为：510000 广东省广州市东风东路729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。