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！

龙图腾网获悉厦门理工学院申请的专利基于多头自注意力机制的多组学图表示学习方法、装置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：CN121350627B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511902686.8，技术领域涉及：G06F18/214；该发明授权基于多头自注意力机制的多组学图表示学习方法、装置是由肖顺鑫;蒋怡煌;何景光;李建敏;王大寒;朱顺痣设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本基于多头自注意力机制的多组学图表示学习方法、装置在说明书摘要公布了：本发明提供了基于多头自注意力机制的多组学图表示学习方法、装置，对多组学原始数据进行预处理，转为矩阵形式，根据已有的先验知识构建或获取多源先验知识网络；利用图神经网络对先验知识网络进行编码，得到特征级嵌入表示；将多组学特征矩阵输入多头自注意力机制，捕捉各组学数据内部及不同组学数据之间的潜在关联，并对原始高维数据进行降维处理，得到低维的样本级嵌入表示；将特征级嵌入与样本级嵌入进行拼接融合，得到综合数据特征和先验知识的统一表示；最后将融合后的表示输入任务特定模块，通过结合真实标签的交叉熵损失函数进行监督优化，学习模型参数。在应用阶段，只需将待分析的多组学数据输入训练好的模型，即可输出分类结果。

本发明授权基于多头自注意力机制的多组学图表示学习方法、装置在权利要求书中公布了：1.一种基于多头自注意力机制的多组学图表示学习方法，其特征在于，包括： 获取多种类型的原始多组学数据和多源先验知识网络，对所述原始多组学数据进行预处理，得到以矩阵形式表示多组学数据； 采用预设的图神经网络对多源先验知识网络进行编码处理，得到特征级嵌入表示，其中，所述特征级嵌入表示是利用图神经网络从多源先验知识网络中学习到的、能够反映生物特征之间已知关联关系的低维向量表示，所述多源先验知识网络是一种异质图结构，该网络的节点对应于不同类型的生物特征信息载体，边则表示生物分子实体之间的相互作用或关联关系； 将所述多组学数据输入至多头自注意力机制，对多组学数据内部及其之间的潜在特征进行学习和降维处理，提取不同组学内部特征信息，并将其拼接后进行线性变化融合，得到低维的样本级嵌入表示； 对特征级嵌入表示和样本级嵌入表示进行融合，并将融合后的表示输入预设的分类器中，基于交叉熵损失函数进行分类优化，完成多组学癌症亚型分类任务，得到训练好的多组学癌症亚型分类模型； 获取待分类的多组学数据和多源先验知识网络，将待分类的多组学数据和多源先验知识网络输入至预训练好的多组学癌症亚型分类模型中，生成分类结果； 对特征级嵌入表示和样本级嵌入表示进行融合，具体为：融合方式采用拼接融合，其中，按维度对特征级嵌入表示和样本级嵌入表示进行拼接处理，得到融合后的统一表示； 将融合后的表示输入预设的分类器中，基于交叉熵损失函数进行分类优化，完成多组学癌症亚型分类任务，得到训练好的多组学癌症亚型分类模型，具体为： 将融合后的表示输入预设的分类器中，得到输出的预测结果，并结合真实标签，通过交叉熵损失函数进行分类优化，完成多组学癌症亚型分类任务，交叉熵损失函数的公式为，N为样本数量，C为类别总数，为第i个样本在类别c上的真实标签，为由融合后的统一表示经过分类器后在类别c上的预测概率； 将经过预处理且带有类别标签的多组学数据输入所述多组学癌症亚型分类模型中，进行预训练、对比学习与参数微调，得到训练好的多组学癌症亚型分类模型； 所述分类结果的公式为，代表从C类中找出预测分数最高的一类。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。