買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網獲悉湘江實驗室申請的專利一種干細胞低氧擴增階段的異常預測方法及相關設備獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN119312114B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202411852226.4，技術領域涉及：G06F18/23；該發(fā)明授權一種干細胞低氧擴增階段的異常預測方法及相關設備是由梁偉;黃少楓;唐鴻凱;郭征凱;李俊強設計研發(fā)完成，并于2024-12-16向國家知識產權局提交的專利申請。

本一種干細胞低氧擴增階段的異常預測方法及相關設備在說明書摘要公布了：本申請涉及干細胞制備技術領域，提供了一種干細胞低氧擴增階段的異常預測方法及相關設備。該方法包括：計算每個變量數據的數據特征，并基于所有數據特征計算每個歷史時刻的全局特征；基于全局特征計算歷史時刻的每兩個變量數據之間的相似關系，并根據所有相似關系構建有向圖；根據所有歷史時刻計算有向圖中每兩個節(jié)點之間的相關性衰減率，并基于所有相關性衰減率獲取每個變量數據的最終特征；將模態(tài)在每個歷史時刻對應的所有變量數據的最終特征進行聚合，得到模態(tài)在每個歷史時刻的聚合特征；對聚合特征進行更新，得到最終聚合特征，并基于最終聚合特征進行異常預測得到異常預測結果。本申請的方法可以提高異常預測的準確性。

本發(fā)明授權一種干細胞低氧擴增階段的異常預測方法及相關設備在權利要求書中公布了：1.一種干細胞低氧擴增階段的異常預測方法，其特征在于，包括：獲取目標干細胞在低氧擴增階段時，所處環(huán)境在多個歷史時刻的多個變量數據；多個變量數據對應多個模態(tài)，每個模態(tài)至少對應一個變量數據；計算每個所述歷史時刻的每個變量數據的數據特征，并基于所有數據特征計算每個所述歷史時刻的全局特征；基于每個所述歷史時刻的全局特征計算每個所述歷史時刻的每兩個變量數據之間的相似關系，并根據所有相似關系構建有向圖；所述有向圖的多個節(jié)點與多個變量數據一一對應，兩個節(jié)點之間的邊為對應的兩個變量數據之間的相似關系；根據所有歷史時刻計算所述有向圖中每兩個節(jié)點之間的相關性衰減率，并基于所有相關性衰減率獲取每個變量數據的最終特征；相關性衰減率用于描述每兩個節(jié)點對應的兩個歷史時刻之間的影響程度；分別針對每個模態(tài)，將所述模態(tài)在每個歷史時刻對應的所有變量數據的最終特征進行聚合，得到所述模態(tài)在每個歷史時刻的聚合特征；對所有聚合特征進行更新，得到多個最終聚合特征，并基于所有最終聚合特征進行異常預測，得到異常預測結果；所述異常預測結果用于描述未來時間段內所述環(huán)境的多個變量數據的異常狀況；所述計算每個所述歷史時刻的每個變量數據的數據特征，包括：通過公式： 計算第個歷史時刻的第個變量數據的數據特征；其中，表示傳感器特征，，，表示卷積，表示所述第個歷史時刻的變量數據矩陣，表示所述第個歷史時刻的第1個變量數據，表示所述第個歷史時刻的第2個變量數據，表示所述第個歷史時刻的第個變量數據，，表示每個歷史時刻的變量數據的數量，，表示歷史時刻的數量，表示所述第個歷史時刻的第個變量數據的位置編碼： 其中，表示整數索引，表示振蕩頻率；所述基于所有數據特征計算每個所述歷史時刻的全局特征，包括：通過公式： 計算所述第個歷史時刻的全局特征；其中，表示所述第個歷史時刻的第個變量數據的出信息中心度，表示所述第個歷史時刻的第個變量數據的數據特征，表示所述第個歷史時刻的第個變量數據與所述第個歷史時刻的第個變量數據之間的信息共享程度，表示的熵，表示的熵，表示與之間的熵；出信息中心度為在歷史時刻時，變量數據與每個其他變量數據之間的信息共享程度的和；所述根據所有歷史時刻計算所述有向圖中每兩個節(jié)點之間的相關性衰減率，包括：分別針對每個所述歷史時刻，將所述歷史時刻的節(jié)點與每個其他歷史時刻的節(jié)點之間的相關性衰減率定義為；的取值為所述歷史時刻與其他歷史時刻之間的差值減一，為常數；所述基于所有相關性衰減率獲取每個變量數據的最終特征，包括：通過公式： 計算第個歷史時刻的第個變量數據的最終特征；其中，表示可學習參數，表示第個歷史時刻的第個變量數據與第個歷史時刻的第個變量數據之間的綜合鄰接關系，表示所述第個歷史時刻的第個變量數據的數據特征，表示歷史時刻的數量，表示每個歷史時刻的變量數據的數量，表示第個歷史時刻的第個變量數據與第個歷史時刻的第個變量數據之間的鄰接關系，若，則，表示所述第個歷史時刻的第個變量數據與所述第個歷史時刻的第個變量數據之間的綜合相似度，若，則，表示第個歷史時刻的節(jié)點與第個歷史時刻的節(jié)點之間的相關性衰減率；綜合鄰接關系為引入相關性衰減率進行調整后，兩個變量數據之間的鄰接關系；所述將所述模態(tài)在每個歷史時刻對應的所有變量數據的最終特征進行聚合，得到所述模態(tài)在每個歷史時刻的聚合特征，包括：通過公式： 計算第個模態(tài)在第個歷史時刻的聚合特征；其中，表示所述第個模態(tài)在第個歷史時刻對應的所有變量數據的集合，表示所述第個歷史時刻的第個變量數據的出信息中心度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人湘江實驗室，其通訊地址為：410000 湖南省長沙市高新區(qū)尖山路217號北斗產業(yè)園1棟；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。