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！

龙图腾网恭喜厦门理工学院申请的专利一种基于KAN网络和多组学数据的癌症亚型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：CN119252347B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411776207.8，技术领域涉及：G16B40/00；该发明授权一种基于KAN网络和多组学数据的癌症亚型分类方法是由何景光;肖顺鑫;李建敏;王大寒;朱顺痣设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于KAN网络和多组学数据的癌症亚型分类方法在说明书摘要公布了：本发明提供了一种基于KAN网络和多组学数据的癌症亚型分类方法，该方法包括获取多组学数据，包括基因组学数据、转录组学和蛋白质组学数据，构建测试数据集；利用科尔莫戈洛夫‑阿诺德网络模型对多组学数据进行特征提取和整合,并进行训练，得到训练好的癌症分型模型；在模型评估阶段，采用蒙特卡洛丢弃法进行多次前向传播，以估算模型预测结果的不确定性，提升模型的鲁棒性；癌症分型预测，使用训练好的科尔莫戈洛夫‑阿诺德网络模型对多组学数据进行高精度癌症分型。本方法能够有效解决多组学数据异质性问题，提升癌症分型的准确性和鲁棒性，有助于提高个性化治疗的效果。

本发明授权一种基于KAN网络和多组学数据的癌症亚型分类方法在权利要求书中公布了：1.一种基于KAN网络和多组学数据的癌症亚型分类方法，其特征在于，包括：获取多组学数据，根据所述多组学数据构建测试数据集，其中，所述多组学数据包括基因组学数据、转录组学和蛋白质组学数据；利用预设的科尔莫戈洛夫-阿诺德网络的多组学数据整合模型对所述多组学数据进行特征提取、整合和训练处理，得到训练好的癌症分型模型；对所述癌症分型模型进行评估，采用蒙特卡洛丢弃法进行多次前向传播，估算癌症分型模型预测结果的不确定性，以提升模型的鲁棒性，得到最终的科尔莫戈洛夫-阿诺德网络模型；使用所述科尔莫戈洛夫-阿诺德网络模型对所述多组学数据进行高精度癌症分型处理，得到分类结果；利用预设的科尔莫戈洛夫-阿诺德网络的多组学数据整合模型对所述多组学数据进行特征提取、整合和训练处理，得到训练好的癌症分型模型，具体为：构建基于科尔莫戈洛夫-阿诺德网络的多组学数据整合模型，并对训练集进行数据处理；根据数据处理后的所述训练集对所述基于科尔莫戈洛夫-阿诺德网络的多组学数据整合模型进行训练，得到训练好的癌症分型模型；对所述训练集进行数据处理，具体为：对所述训练集进行初始化，设置数据加载路径、数据处理方式和参数；从所述训练集中加载不同类型的组学数据，并将其转换为PyTorch张量；对每种类型的组学数据分别进行标准化处理，将数据按组学特征进行归一化，以保证不同组学数据的数值范围一致；对经过标准化处理后的张量数据进行批处理操作，结束数据处理；根据数据处理后的所述训练集对所述基于科尔莫戈洛夫-阿诺德网络的多组学数据整合模型进行训练，得到训练好的癌症分型模型，具体为：将数据处理后的所述训练集输入到科尔莫戈洛夫-阿诺德网络模型中，输入数据表示为，其中，表示第i组学数据，N为样本数量，为第i组学数据的特征维度；数据处理后的所述训练集通过第一个科尔莫戈洛夫-阿诺德网络层，该层基于B样条基函数的可学习边权重激活函数进行初步特征提取，生成中间特征表示，其中，为可学习的边权重激活函数，和为模型的权重和偏置参数；将所述中间特征表示输入后续的多个科尔莫戈洛夫-阿诺德网络层中，进行层级特征提取和非线性变换，以更新特征表示，表达式为：；将更新后的最终特征表示经过一个全连接层进行线性映射，转换为输出层，生成用于分类的结果，其中，和分别为全连接层的权重和偏置，L为神经网络的最终层；其中，在模型训练过程中，使用交叉熵损失函数优化分类任务，数学表达式为：，和分别表示真实标签和预测概率；对所述癌症分型模型进行评估，采用蒙特卡洛丢弃法进行多次前向传播，估算癌症分型模型预测结果的不确定性，具体为：对于所述癌症分型模型的每个输入样本，进行T次前向传播，获取T个预测结果；计算输入样本的均值和方差作为预测结果和不确定性估计，计算公式为：，，其中，为第t个输入样本；根据损失函数反向传播到癌症分型模型中，调整模型参数，保存损失最小的模型作为最终的科尔莫戈洛夫-阿诺德网络模型。

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”。