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！

龙图腾网获悉四川大学申请的专利基于全卷积网络的碱基识别方法、系统、介质及程序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：CN120032718B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510154589.9，技术领域涉及：G16B30/10；该发明授权基于全卷积网络的碱基识别方法、系统、介质及程序是由陈路;林立安;宋俊伟;林静雯设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本基于全卷积网络的碱基识别方法、系统、介质及程序在说明书摘要公布了：本发明公开了基于全卷积网络的碱基识别方法、系统、介质及程序，属于碱基识别技术领域。该方法包括：基于DenseNet卷积神经网络构建碱基调用模型；构建数据集对所述碱基调用模型进行训练；采集待识别碱基的电信号；将所述电信号输入训练好的碱基调用模型中进行识别，获得待识别碱基的序列。本发明提供的碱基调用模型通过创新的全卷积网络架构和物种特异性的模型训练，显著提高了直接RNA测序的碱基调用准确性，克服了现有技术的诸多不足，展现了广泛的应用前景和显著的有益效果。

本发明授权基于全卷积网络的碱基识别方法、系统、介质及程序在权利要求书中公布了：1.一种基于全卷积网络的碱基识别方法，其特征在于，包括： S101，基于DenseNet卷积神经网络构建碱基调用模型，所述碱基调用模型依次包括： 第一卷积层，用于对电信号进行降噪； 最大池化层，用于对电信号进行降采样； 若干稠密块，用于对电信号的特征进行提取； 穿插在稠密块之间的过渡层，用于对稠密块输出的特征进行降维； 全连接层，用于将经过稠密块和过渡层处理后的特征图进行全局特征整合，并进行分类预测； CTC解码器，用于对全连接层输出的预测结果进行解码，获得碱基的序列；其中，稠密块包括多个稠密层，而稠密层包括：批归一化层、第一Silu非线性单元层、1×1的第二卷积层、再次批归一化层、第二Silu非线性单元层、n×1的第三卷积层，其中，n的设定步骤包括： 根据递增模型计算第i层第三卷积层的参考值，其中，所述递增模型为： k=kernel_size+i*kernel_size_increment； k为参考值，kernel_size为初始卷积核大小，i为当前稠密层层数，kernel_size_increment为卷积核增量； 当k＜设定卷积大小KMAX，且k为偶数时，则n=k+1； 当k＜设定卷积大小KMAX，且k为奇数时，则n=k； 当k≥设定卷积大小KMAX，则n=KMAX； S102，根据当前训练条件利用数据集对所述碱基调用模型进行训练，以训练更新得到碱基调用模型；其中，所述训练条件包括：稠密层数量，第三卷积层的第三卷积核大小； S103，判断当前所得的碱基调用模型的预测准确率是否大于设定的准确阈值；若是，则输出对应的所述碱基调用模型，若否，则对所述训练条件进行更新，并返回S102； 其中，若干所述稠密块包括：第一稠密块、第二稠密块、第三稠密块和第四稠密块；第一稠密块、第二稠密块用于学习数据的低级特征，第三稠密块、第四稠密块用于学习数据的高级特征；对应地，对所述训练条件进行更新的步骤还包括： 计算上一次训练过程所得的碱基调用模型的第一预测准确率； 计算当前训练过程所得的碱基调用模型的第二预测准确率； 根据第一预测准确率和第二预测准确率计算准确率增长率； 当准确率增量率大于或等于第一增量阈值时，则推荐对第一集合的稠密块的稠密层数量进行第一修改操作，其中，所述第一集合包括：第一稠密块、第二稠密块、第三稠密块和第四稠密块； 当准确率增量率小于第一增量阈值时，则推荐对第二集合的稠密块的稠密层数量进行第二修改操作，其中，所述第二集合包括：第三稠密块和第四稠密块； S104，采集待识别碱基的电信号； S105，将所述电信号输入所述碱基调用模型中进行识别，获得待识别碱基的序列。

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四川大学，其通讯地址为：610065 四川省成都市一环路南一段24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。