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！

龙图腾网获悉郑州轻工业大学申请的专利基于分子学习向量量化神经网络的乳腺肿瘤诊断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：CN118658605B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202410647843.4，技术领域涉及：G16H50/20；该发明授权基于分子学习向量量化神经网络的乳腺肿瘤诊断方法是由黄春;邵家英;李盼龙;姜素霞;王延峰;孙军伟;王英聪;张勋才;刘娜设计研发完成，并于2024-05-23向国家知识产权局提交的专利申请。

本基于分子学习向量量化神经网络的乳腺肿瘤诊断方法在说明书摘要公布了：本发明提出了一种基于分子学习向量量化神经网络的乳腺肿瘤诊断方法，步骤为：确定学习向量量化神经网络的输入层、竞争层和线性输出层的功能，分别对照于DNA链置换反应；根据DNA链置换反应分别设计学习向量量化神经网络的输入层、竞争层和线性输出层对应的功能模块；确定各个功能模块的反应过程中辅助物、反应物的DNA链的结构及小支点结构，确定各个DNA链中结构域的碱基序列；根据学习向量量化神经网络的结构将各个功能模块级联为基于DNA的学习向量量化神经网络，进行浓度设置；从乳腺癌数据库获取女性乳腺肿瘤病例进行预处理；通过VisualDSD使用基于DNA的学习向量量化神经网络对预处理后的女性乳腺肿瘤病例进行良性或恶性的诊断。本发明设计的分子学习向量量化神经网络在癌症早期诊断和个性化精准医疗方面具有巨大潜力，成功对女性乳腺肿瘤的良恶性进行了诊断。

本发明授权基于分子学习向量量化神经网络的乳腺肿瘤诊断方法在权利要求书中公布了：1.一种基于分子学习向量量化神经网络的乳腺肿瘤诊断方法，其特征在于，其步骤如下：步骤一，确定学习向量量化神经网络的输入层、竞争层和线性输出层的功能，并分别对照于DNA链置换反应；步骤二，根据DNA链置换反应分别设计学习向量量化神经网络的输入层、竞争层和线性输出层对应的功能模块，并确定功能模块的化学反应；步骤三，确定各个功能模块的反应过程中辅助物、反应物的DNA链的结构及小支点结构，并确定各个DNA链中结构域的碱基序列，使用VisualDSD将所需的DNA链编写出来并进行功能验证；步骤四，根据学习向量量化神经网络的结构将各个功能模块级联为基于DNA的学习向量量化神经网络，编程到VisualDSD中进行浓度设置，并进行功能验证；步骤五，从乳腺癌数据库获取女性乳腺肿瘤病例，并进行预处理；步骤六，通过VisualDSD使用基于DNA的学习向量量化神经网络对预处理后的女性乳腺肿瘤病例进行良性或恶性的诊断；所述输入层的功能模块包括输入激活模块、减法湮灭模块、绝对值求和模块，竞争层的功能模块包括信号反转模块、反转求和模块、湮灭模块，线性输出层的功能模块包括报告求和模块和报告反应模块；所述输入激活模块是一个催化反应，激活因子Xi加入反应前，输入链Cij与权重链Wij的浓度都被分别锁在输入底物Cij*与权重底物Wij*内；只有激活因子Xi加入后，激活因子Xi分别与输入底物Cij*和权重底物Wij*进行可逆的链置换反应，分别生成输入链Cij、权重链Wij和一个相同的中间产物，中间产物与燃料链XFi再次进行可逆的DNA链置换反应，重新生成激活因子Xi，这样只要激活因子Xi存在且燃料链XFi是足够的，反应将所有的输入底物Cij*与权重底物Wij*全部分别转化成输入链Cij与权重链Wij；所述减法湮灭模块将输入链Cij与权重链Wij通过湮灭反应互相做减法运算，其中每组输入链Cij与权重链Wij都会持续湮灭对方，直到只剩下输入链Cij与权重链Wij的其中一种，反应停止；减法湮灭模块的第一步反应是可逆反应，输入链Cij或权重链Wij中的一条DNA链与减法门SGij中暴露的立足点进行结合并向中心迁移；第二步反应是不可逆反应，输入链Cij或权重链Wij中的另一条DNA链与第一步反应生成的中间产物链上暴露的另一个立足点进行结合，并向中点迁移，最后将减法门SGij分解成两个废物链；所述绝对值求和模块是指将湮灭反应结束后剩余的输入链Cij或权重链Wij进行浓度求和，将他们的浓度求和到距离因子Dj中；绝对值求和模块分为两个反应，首先是由减法湮灭模块的反应中剩余的输入链Cij或权重链Wij分别与输入求和门SumCij或权重求和门SumWij进行可逆的DNA链置换反应，生成输入求和链ISj和权重求和链WSj，然后输入求和链ISj和权重求和链WSj再分别与总和门Sumj进行不可逆的DNA链置换反应，将距离因子Dj置换出来；不可逆的DNA链置换反应推动着减法湮灭模块的第一步反应向正方向进行，直到所有的输入链Cij与权重链Wij都被反应完；所述信号反转模块和反转求和模块都是不可逆的DNA链置换反应，DNA链置换反应的双链产物中都不再包含暴露的立足点，且前一个反应的产物为下一个反应的反应物；所述信号反转模块将距离因子Dj作为输入，与信号反转门SRGjk进行DNA链置换反应，将距离因子Dj的浓度平均分配到不同的反转因子SFjk上；反转求和模块是指将不同的反转因子SFjk进行浓度求和，将浓度求和到下标相同为‘k’的反转信号链Sk中；所述湮灭模块是将不同的反转信号链Sk与反转信号链Sj进行成对湮灭反应，直到反转信号链Sj与反转信号链Sk只剩下其中一种反应才会停止；湮灭模块将一条反转信号链Sk结合到湮灭链Anhkj一侧的支点上，并分支迁移到双链结构域的中点，如果只有反转信号链Sk存在，这个过程是完全可逆的，没有分子会被消耗；如果另一条反转信号链Sj也存在，结合到湮灭链Anhkj对面的另一个支点上，并分支迁移到双链结构域的中点；当反转信号链Sk和反转信号链Sj同时到达中点时，湮灭链Anhkj分裂成两个废物分子，两个废物分子都没有暴露的立足点，不能与任何其他分子相互作用；报告求和模块的DNA链置换反应是可逆反应，反应向着消耗求和报告门REkl的方向进行；所述报告求和模块是将求和报告门REkl与反转信号链Sk进行DNA链置换反应，生成报告信号链RYkl，其中求和报告门REkl中的分支迁移结构域Yl对应了不同的线性输出，体现了学习向量量化神经网络的线性输出层中的部分连接模式；不同的分支迁移结构域Yl与对应的反转信号链Sk进行组合，实现部分连接的功能；所述报告反应模块的反应是不可逆的链置换反应，前一个反应的产物是后一个反应的反应物，反应向正方向推动进行；所述报告反应模块实现了将相同分支迁移结构域Yl进行求和，并将反应的输出结果进行提取报告，释放出荧光输出信号；报告信号链RYkl与报告链Rl进行不可逆的链置换反应生成输出链Yl，分离报告门中的荧光团和猝灭剂标记链，导致荧光增强，通过检测残留的DNA物种的荧光水平，得出反应结果。

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郑州轻工业大学，其通讯地址为：450000 河南省郑州市高新技术产业开发区科学大道136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”。