中国计量科学研究院张丰毅获国家专利权
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!
龙图腾网获悉中国计量科学研究院申请的专利一种基于多通道嵌入表示的原始质谱数据分类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:CN120524271B 。
龙图腾网通过国家知识产权局官网在2026-05-12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:202510701564.6,技术领域涉及:G06F18/24;该发明授权一种基于多通道嵌入表示的原始质谱数据分类方法是由张丰毅;熊行创;王寅初;郭霖;张蔚;高波涌设计研发完成,并于2025-05-28向国家知识产权局提交的专利申请。
本一种基于多通道嵌入表示的原始质谱数据分类方法在说明书摘要公布了:本发明提供了一种基于多通道嵌入表示的原始质谱数据分类方法,属于质谱数据分析和深度学习技术领域,该方法包括:获取原始质谱数据,对原始质谱数据进行分箱处理和归一化处理,得到标准化强度数据,并通过多通道嵌入模块对原始质谱数据进行全局特征降维,生成全局嵌入表示,并输入至通道嵌入子模块,提取局部结构信息,再进行通道拼接操作,融合全局与局部特征,形成多通道嵌入表示,构建出一个可学习的深度学习前置模块,并通过集成深度学习分类模型进行端到端的联合优化训练,实现数据驱动的自适应特征优化,并得到分类结果;本发明通过多通道特征协同与维度压缩,提升了分类性能并降低计算成本,提高了质谱数据分类的效能和分类任务的准确率。
本发明授权一种基于多通道嵌入表示的原始质谱数据分类方法在权利要求书中公布了:1.一种基于多通道嵌入表示的原始质谱数据分类方法,其特征在于,包括以下步骤: S1、获取原始质谱数据,对原始质谱数据进行分箱处理和归一化处理,得到标准化强度数据; S2、构建多通道嵌入模块,并将多通道嵌入模块作为特征表示层,与预设分类模型进行结构连接,得到经连接的预设分类模型,具体为: S201、利用编码器子模块、通道嵌入子模块以及通道拼接操作,构建多通道嵌入模块; S202、基于端到端架构,将多通道嵌入模块作为特征表示层,与预设分类模型进行结构连接,得到经连接的预设分类模型; S3、根据标准化强度数据,对经连接的预设分类模型的参数进行联合优化训练,采用早停机制,得到经训练的预设分类模型,具体为: S301、利用分层随机采样策略将标准化强度数据划分为训练集、验证集以及测试集; S302、将训练集中的质谱数据作为输入数据,输入至多通道嵌入模块进行处理,生成最优多通道嵌入表示,具体为: S3021、将训练集中的质谱数据作为输入数据,输入至多通道嵌入模块,利用编码器子模块中第一全连接层,将输入数据的维度压缩至中间维度,并利用层归一化、修正线性单元以及随机失活单元进行特征提取,得到初始潜在嵌入表示; S3022、利用编码器子模块中第二全连接层,将输入数据由中间维度压缩至嵌入维度,并生成全局嵌入表示; S3023、将全局嵌入表示重塑为三维张量,利用通道嵌入子模块中第一一维卷积层进行特征提取,得到预设通道数一半的初始第一多通道嵌入表示,通过批量归一化、修正线性单元激活函数以及随机失活处理初始第一多通道嵌入表示,得到经增强的第一多通道嵌入表示; S3024、利用通道嵌入子模块中第二一维卷积层,对经增强的第一多通道嵌入表示进行特征提取,得到预设通道数的初始第二多通道嵌入表示,并通过批量归一化、修正线性单元激活函数以及随机失活,得到经增强的第二多通道嵌入表示; S3025、利用通道残差连接子模块,对重塑为三维张量的全局嵌入表示与经增强的第二多通道嵌入表示进行拼接,得到最优多通道嵌入表示; 所述对重塑为三维张量的全局嵌入表示与经增强的第二多通道嵌入表示进行拼接的表达式如下所示: 其中,表示最优多通道嵌入表示,表示拼接操作,表示重塑为三维张量的全局嵌入表示,,表示经增强的第二多通道嵌入表示,表示三维张量的各维维度,表示批次大小,表示维度1,表示嵌入维度,表示用户定义的通道数; S303、将最优多通道嵌入表示输入至预设分类模型进行联合优化训练,通过验证集进行验证,并采用早停机制,利用测试集对最优参数的分类模型进行测试,得到经训练的预设分类模型; S4、利用经训练的预设分类模型,对标准化强度数据进行分类,得到分类结果。
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中国计量科学研究院,其通讯地址为:100029 北京市朝阳区北三环东路18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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励