龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国矿业大学
申请日：2024-03-11
公开（公告）日：2024-06-11
公开（公告）号：CN118173279A
主分类号：G16H50/70
分类号：G16H50/70;G16H50/20;G06F18/25;G06F18/22;G06N3/0464;G06N3/0455;G06N3/0895;G06N3/048;G06F18/23213;G06N3/047
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.28#实质审查的生效;2024.06.11#公开
摘要：本发明提供一种基于双自监督多图卷积网络融合的癌症亚型识别方法，所述方法为：第一，利用多个图卷积网络模型学习多组学数据的高层图结构信息，得到组学数据的图结构表示；第二，利用多个栈式自动编码器模型学习多组学数据的自表示；第三，将图结构表示和自表示相结合融入到深度聚类模型；第四，根据不同数据表示的特点，通过误差重构融合和自适应加权融合方法，分别融合多组学数据的自表示和图结构表示，得到多组学融合表示；最后，利用双自监督模块对多组学融合表示进行自监督学习，实现整个模型的端到端聚类训练。本发明采用栈式自动编码器与图卷积模型相结合，并通过双自监督方式对癌症多组学数据进行聚类，进而实现癌症亚型的预测。
主权项：1.一种基于双自监督多图卷积网络融合的癌症亚型识别方法，其特征在于，所述方法为：第一，利用多个图卷积网络模型学习多组学数据的高层图结构信息，得到组学数据的图结构表示；第二，利用多个栈式自动编码器模型学习多组学数据的自表示；第三，将图结构表示和自表示相结合融入到深度聚类模型；第四，根据不同数据表示的特点，通过误差重构融合和自适应加权融合方法，分别融合多组学数据的自表示和图结构表示，得到多组学融合表示；最后，利用双自监督模块对多组学融合表示进行自监督学习，实现整个模型的端到端聚类训练。
全文数据：
权利要求：
百度查询： 中国矿业大学 一种基于双自监督多图卷积网络融合的癌症亚型识别方法
免责声明
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号