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！

申请/专利权人：云南大学

摘要：本发明涉及神经网络预测技术领域，公开了一种基于组织学图像的空间基因表达水平预测方法、装置及设备。该方法包括：通过DenseNet‑121模型获取图像块的视觉特征，通过基于多头注意力机制的测序点特征提取模型提取测序点的融合特征；采用对比学习的方法去优化增强模型的预测能力，从而实现准确地预测不同空间分辨率下组织学图像中的基因表达水平。本发明使用多模态融合方法，综合考虑了组织学图像信息、空间转录组学测序点的基因表达信息以及测序点的位置信息，可得到更准确的预测结果；本发明改善了预测基因表达水平效果，减少了误判率，并且可以准确识别癌症特异性基因。

主权项：1.一种基于组织学图像的空间基因表达水平预测方法，其特征在于，包括步骤：获取癌症患者的病理数据集，所述病理数据集包括组织学图像、与所述组织学图像对应的空间转录组基因表达数据以及测序点的位置坐标；根据每个测序点的位置坐标将所述组织学图像分割成以每个测序点为中心的预定像素大小的图像块，并将所述图像块与对应测序点的空间转录组基因表达数据配对；从所述空间转录组基因表达数据中选择所有组织切片中共同的基因以及每个组织切片中前1000个高可变基因，对每个测序点中的基因表达值进行归一化处理，得到测序点的基因表达归一化数据；将组织学图像分割成图像块后输入到预训练的DenseNet-121模型中，输出视觉特征；将测序点的基因表达归一化数据以及测序点的位置坐标输入到基于多头注意力机制的测序点特征提取模型中，输出融合特征；将所述视觉特征以及融合特征分别通过投影层投影到特征空间中，构建多模态嵌入空间；在多模态嵌入空间中，定义位于相同位置的测序点和图像块形成正样本对，位于不同位置的测序点和图像块形成负样本对，采用对比学习的方法减小所述正样本对之间的距离，同时增大所述负样本对之间的距离，得到优化的多模态嵌入空间；在所述优化的多模态嵌入空间中，计算待测组织学图像的视觉特征与所有测序点的融合特征之间的余弦相似度，找出具有最高相似度分数的前K个测序点的融合特征；在优化的多模态嵌入空间中，计算待测组织学图像的视觉特征与所述前K个测序点的融合特征之间的欧几里得距离，根据所述欧几里得距离的大小设计相应权重，将所述权重对应乘以所述前K个测序点的真实基因表达值并求和作为待测组织学图像的空间基因表达水平。

全文数据：

权利要求：

百度查询： 云南大学 基于组织学图像的空间基因表达水平预测方法、装置及设备