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！

龙图腾网获悉扬州大学申请的专利一种基于残差图神经网络的多任务细胞分析方法及系统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：CN117476107B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202311263903.4，技术领域涉及：G16B30/00；该发明授权一种基于残差图神经网络的多任务细胞分析方法及系统是由刘岩;夏雨设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本一种基于残差图神经网络的多任务细胞分析方法及系统在说明书摘要公布了：本发明公开了一种基于残差图神经网络的多任务细胞分析方法及系统，包括：对单细胞转录组数据进行归一化，从归一化后的数据中选出转录水平最高的前2000个基因，获得新的单细胞转录组数据；根据所述新的单细胞转录组数据，构建并训降噪自编码器，对原始的单细胞转录组数据降维，获得降维后的特征表示；使用所述降维后的特征表示构建邻接矩阵，构建残差图神经网络模型；连接所述图神经网络模型与所述降噪自编码器，构建双重自我监督模型并训练；根据所述双重自我监督模型，输出单细胞转录组数据的聚类结果、插补结果以及低维表示。本发明提供的方法及系统极大提高了网络抽取的特征鉴别性，提高各个单细胞分析任务的性能。

本发明授权一种基于残差图神经网络的多任务细胞分析方法及系统在权利要求书中公布了：1.一种基于残差图神经网络的多任务细胞分析方法，其特征在于，包括： 获取单细胞转录组数据，并进行归一化，从归一化后的数据中选出转录水平最高的前2000个基因，获得新的单细胞转录组数据； 根据所述新的单细胞转录组数据，构建并训练降噪自编码器，对原始的单细胞转录组数据降维，获得降维后的特征表示； 所述降噪自编码器包括，对X添加随机的高斯噪声Xcorrupt，表示为： Xcorrupt＝X+enoise 其中，enoise表示添加的高斯噪声，把Xcorrupt输入到降噪自编码器中，对于降噪自编码器中编码器的第l层学习到的特征表示为： 其中表示编码器的第l层的上一层学习到的特征，表示编码器中对应层的权重，表示编码器中对应层的偏置，σ表示激活函数Relu； 把解码成最后一层的输出记为降维后的特征E，解码器每一层的输出为： 其中，表示解码器对应的权重，表示解码器对应的偏置，表示解码器的第l层的上一层的输出； 重构损失即MSE损失为： 其中，N表示细胞的数量，xi表示第i个细胞的原始数据，表示第i个细胞的重建数据；使用ZINB作为降噪自编码器的降噪损失表示为： ZINBX|π,u,θ＝πδ0X+1-πNBX|u,θ 其中，u表示负二项分布的均值，θ表示负二项分布的离散度；π表示在零点处的概率质点的权重；δ0表示狄拉克函数； 三个参数的矩阵形式表示为： 去噪损失函数是ZINB似然的负对数表示为： Ldenoise＝-logZINBX|π,u,θ 降噪自编码器的总的损失函数表示为： Lauto＝Lrestruction+Ldenoise 其中，表示解码器的最后一层的输出，si表示超参数用于控制M值，diag表示对角矩阵函数，exp表示指数函数，sigmod函数表示激活函数，Wu表示u的矩阵权重，Wθ表示θ的矩阵权重，Wπ表示π的矩阵权重； 使用所述降维后的特征表示构建邻接矩阵，构建残差图神经网络模型； 连接所述图神经网络模型与所述降噪自编码器，构建双重自我监督模型并训练； 根据所述双重自我监督模型，输出单细胞转录组数据的聚类结果、插补结果以及低维表示。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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。