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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于深度学习的膀胱癌代谢标志物筛选方法及系统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：CN114997303B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202210600879.8，技术领域涉及：G06F18/23213；该发明授权一种基于深度学习的膀胱癌代谢标志物筛选方法及系统是由薛凌云;刘新平;徐平;闻路红;刘亦安;严明;胡舜迪;陈安琪;赵阳;许洋洋设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本一种基于深度学习的膀胱癌代谢标志物筛选方法及系统在说明书摘要公布了：本发明公开一种基于深度学习的膀胱癌代谢标志物筛选方法及系统，通过基于变分自编码器网络，从编码特征出发，结合反向传播对权重值大小排序，设置阈值条件进行质荷比特征筛选，极大地降低了特征维度；提出了一种基于样本相似度的缺失值插补方法，主要利用模糊C均值聚类、K最近邻法和基于贝叶斯岭回归的迭代插补对缺失值插补，有利于提升后续数据挖掘的性能和缩短插补时间。对神经网络筛选的特征使用递归特征消除方法，减小其计算复杂度。所筛选得到代谢物离子的质荷比在公开报道里有所体现，这一组质荷比特征的灵敏度、特异性及曲线下面积AUC均大于0.9，能够准确的反应膀胱癌患者和健康人员的代谢谱差异。

本发明授权一种基于深度学习的膀胱癌代谢标志物筛选方法及系统在权利要求书中公布了：1.一种基于深度学习的膀胱癌代谢标志物筛选方法，其特征在于包括以下步骤： 步骤1、原始数据前处理 1-1获取原始质谱数据，然后使用IPO工具包中的选峰和对齐函数对原始质谱数据进行最佳参数寻找，得到最佳质谱参数； 1-2将最佳质谱参数输入到XCMSR包程序中，从所有原始质谱数据获取到清洁数据；该清洁数据采用表示，其中bin表示第i个样本的第n个质荷比特征的强度值； 步骤2、对步骤1获取的清洁数据进行缺失值插补； 2-1对清洁数据进行模糊C均值聚类，得到多个子样本集； 2-2遍历所有子样本集，从每个子样本集中筛选出含有缺失值的子样本Ri； 2-3在子样本Ri中随机找到一个非空值的元素L，并将这个元素L中的初始强度值更新为空值； 2-4使用KNN-Impute算法对更新后子样本Ri所在的子样本集中进行缺失值插补，设置K值满足2到Np-1，其中Np表示子样本Ri所在子样本集的样本数，获取到子样本i中元素L的强度插补值； 2-5计算不同K值下元素L的初始强度和插补值强度之间的误差，寻找误差最小时对应的最佳K值； 2-6根据欧几里得距离公式，从子样本Ri所在子样本集中找到和子样本Ri最近的K个子样本，组合成插补子集S； 2-7对插补子集S使用贝叶斯岭回归模型进行迭代插补，实现对插补子集S中所有子样本中所有缺失值的插补，保存插补后子样本Ri的数据； 2-8重复步骤2-3至2-7，直到子样本Ri所在子样本集中的所有含缺失值的子样本全部插补完成； 2-9返回步骤2-2，选择下一个子样本集，直到所有子样本集全部插补完成； 步骤3、对步骤2插补后的数据进行归一化； 步骤4、搭建变分自编码器模型； 所述变分自编码器网络VAE采用全连接层神经网络架构，包括输入层L1、三个隐藏层h1、h2、h3和输出层L2； 步骤5、基于反向传播的权重阈值分析的质荷比mz特征筛选，具体如下： 5-1获取步骤3归一化后数据集中每个质荷比mz强度标准差与均值； 5-2遍历隐藏层h2层的第i个神经元的权重矩阵W2，首先使用权重值大小排序，取最大权重值以识别前一个隐藏层h1的第j个神经元，将第j个神经元的权重矩阵与所有质荷比的强度标准差相乘获取新的权重矩阵变量W1′j； 5-3使用权重矩阵变量W1′j计算阈值T，其T＝meanW1′j+gama*stdW1′j，gama表示常量； 5-4筛选出权重矩阵变量W1′j中大于阈值T的权重值所对应的神经元，直到遍历完隐藏层h2所有的神经元，最终由所有符合阈值条件的mz特征构成集合M； 5-5对每个mz特征在所有样本中的强度取均值，然后根据所有质荷比强度均值进行峰值查询，确定所有质荷比强度均值中局部极大值所对应的质荷比，进而构成mz集合N；最后对集合M和N求交集，从而得到缩减的mz特征集合P； 步骤6、代谢标志物筛选 对步骤5筛选的特征集合P进行再次筛选，采用递归特征消除法，并结合随机森林模型计算mz特征的重要性，当随机森林模型的分类精度达到最高时，筛选获取最优的mz特征，该特征作为血清膀胱癌代谢组学的潜在代谢标志物。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。