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(wǎng)恭喜佛山大學申請的專利一種基因組預測方法、系統(tǒng)及設備獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119673287B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510202420.6，技術(shù)領域涉及：G16B30/10；該發(fā)明授權(quán)一種基因組預測方法、系統(tǒng)及設備是由康慧敏;楊婷婷;伍偉聰設計研發(fā)完成，并于2025-02-24向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基因組預測方法、系統(tǒng)及設備在說明書摘要公布了：本發(fā)明涉及數(shù)據(jù)處理技術(shù)領域，提供了一種基因組預測方法、系統(tǒng)及設備，該方法包括：構(gòu)建動態(tài)權(quán)重比例分配機制，根據(jù)動態(tài)權(quán)重比例分配機制獲取基因組權(quán)重比例；構(gòu)建TRM?CNN預測模型；獲取預處理后的目標基因組數(shù)據(jù)的目標基因組編碼向量；對目標基因組編碼向量進行特征提取，獲取第一目標基因組特征以及第二目標基因組特征；對第一目標基因組特征以及第二目標基因組特征進行融合，獲取目標基因組融合特征向量；將目標基因組融合特征向量傳遞至回歸層，獲取與基因組相對應的表型的預測結(jié)果。本發(fā)明結(jié)合了Transformer和CNN兩種神經(jīng)網(wǎng)絡架構(gòu)，能夠平衡局部和全局樣本信息特征，顯著提升了基因組預測的準確性以及泛化能力。

本發(fā)明授權(quán)一種基因組預測方法、系統(tǒng)及設備在權(quán)利要求書中公布了：1.一種基因組預測方法，其特征在于，所述基因組預測方法包括如下步驟：采集基因組數(shù)據(jù)樣本以及表型數(shù)據(jù)樣本，以采集到的所述基因組數(shù)據(jù)樣本以及所述表型數(shù)據(jù)樣本作為訓練樣本集；構(gòu)建動態(tài)權(quán)重比例分配機制，根據(jù)所述動態(tài)權(quán)重比例分配機制獲取基因組權(quán)重比例；構(gòu)建TRM-CNN預測模型并對所述TRM-CNN預測模型進行訓練，以獲取訓練好的所述TRM-CNN預測模型；獲取目標基因組數(shù)據(jù)，在對所述目標基因組數(shù)據(jù)進行預處理后，通過編碼層獲取預處理后的所述目標基因組數(shù)據(jù)的目標基因組編碼向量；分別通過TRM神經(jīng)網(wǎng)絡模塊以及CNN神經(jīng)網(wǎng)絡模塊對所述目標基因組編碼向量進行特征提取，獲取第一目標基因組特征以及第二目標基因組特征；根據(jù)所述基因組權(quán)重比例對所述第一目標基因組特征以及所述第二目標基因組特征進行融合，獲取目標基因組融合特征向量；將所述目標基因組融合特征向量傳遞至回歸層，獲取與所述基因組相對應的表型的預測結(jié)果；根據(jù)所述動態(tài)權(quán)重比例分配機制獲取基因組權(quán)重比例的具體方法包括如下步驟：獲取基因組權(quán)重基礎比例；獲取所述基因組數(shù)據(jù)樣本的第一復雜度以及所述表型數(shù)據(jù)樣本的集中度；根據(jù)所述第一復雜度、所述集中度以及所述基因組權(quán)重基礎比例獲取所述基因組權(quán)重比例；對所述TRM-CNN預測模型進行訓練的具體方法還包括如下步驟：獲取多個模型LOSS客觀因素特征值；獲取所述TRM神經(jīng)網(wǎng)絡模塊以及所述CNN神經(jīng)網(wǎng)絡模塊之間的特征對齊損失值；根據(jù)所述表型數(shù)據(jù)樣本的表型樣本特征向量、所述第一復雜度、所述集中度、所述特征對齊損失值以及多個所述模型LOSS客觀因素特征值構(gòu)建TRM-CNN預測模型網(wǎng)絡損失函數(shù)；所述網(wǎng)絡損失函數(shù)；其中，表示所述表型樣本特征向量真實值與預測值之間的均方誤差，，表示特征對齊損失值，，表示表型樣本的數(shù)量，表示第個表型樣本特征向量真實值，表示第個表型樣本特征向量預測值，、表示第一預設參數(shù)以及第二預設參數(shù)且均由技術(shù)人員設定，分別表示KL散度值以及余弦相似度值，，，分別表示所述第一復雜度以及所述集中度，表示所述模型LOSS客觀因素特征值的數(shù)量，表示第個模型LOSS客觀因素特征值，表示第個模型LOSS客觀因素特征標準值，分別表示第一預設系數(shù)、第二預設系數(shù)以及第三預設系數(shù)且均由技術(shù)人員設定。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人佛山大學，其通訊地址為：528200 廣東省佛山市南海區(qū)獅山鎮(zhèn)廣云路33號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。