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

龍圖騰網(wǎng)恭喜浙江理工大學(xué)申請(qǐng)的專利基于深度學(xué)習(xí)的單細(xì)胞RNA測(cè)序數(shù)據(jù)分類方法和系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119479827B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-02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(qǐng)?zhí)?專利號(hào)為：202510034076.4，技術(shù)領(lǐng)域涉及：G16B40/00；該發(fā)明授權(quán)基于深度學(xué)習(xí)的單細(xì)胞RNA測(cè)序數(shù)據(jù)分類方法和系統(tǒng)是由朱然;代琦;卜洋程設(shè)計(jì)研發(fā)完成，并于2025-01-09向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于深度學(xué)習(xí)的單細(xì)胞RNA測(cè)序數(shù)據(jù)分類方法和系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的單細(xì)胞RNA測(cè)序數(shù)據(jù)分類方法和系統(tǒng)。本發(fā)明提出了基于改進(jìn)Transformer的多尺度神經(jīng)網(wǎng)絡(luò)，用于對(duì)預(yù)處理后的單細(xì)胞RNA測(cè)序數(shù)據(jù)進(jìn)行分類。該多尺度神經(jīng)網(wǎng)絡(luò)集成了多尺度注意力機(jī)制、相對(duì)位置編碼和門(mén)控前饋網(wǎng)絡(luò)，不僅能夠捕獲數(shù)據(jù)的多層次依賴關(guān)系，還能通過(guò)特征篩選有效降低噪聲干擾。相比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)或經(jīng)典Transformer，本發(fā)明提出的多尺度神經(jīng)網(wǎng)絡(luò)在序列建模和分類任務(wù)中展現(xiàn)出了更強(qiáng)的魯棒性和泛化能力。通過(guò)在多個(gè)公開(kāi)數(shù)據(jù)集上的廣泛測(cè)試，所提出的多尺度神經(jīng)網(wǎng)絡(luò)在細(xì)胞類別分類任務(wù)中展現(xiàn)出了更好的性能。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的單細(xì)胞RNA測(cè)序數(shù)據(jù)分類方法和系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于深度學(xué)習(xí)的單細(xì)胞RNA測(cè)序數(shù)據(jù)分類方法，其特征在于，包括以下步驟：步驟1：對(duì)單細(xì)胞RNA測(cè)序數(shù)據(jù)進(jìn)行預(yù)處理后，獲得訓(xùn)練數(shù)據(jù)集；步驟2：構(gòu)建基于改進(jìn)Transformer的多尺度神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練數(shù)據(jù)集對(duì)基于改進(jìn)Transformer的多尺度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后，獲得RNA測(cè)序數(shù)據(jù)分類模型；步驟3：對(duì)待檢測(cè)的單細(xì)胞RNA測(cè)序數(shù)據(jù)預(yù)處理后再輸入到RNA測(cè)序數(shù)據(jù)分類模型中，模型輸出對(duì)應(yīng)的分類結(jié)果；所述基于改進(jìn)Transformer的多尺度神經(jīng)網(wǎng)絡(luò)包括依次相連的第一線性層、改進(jìn)的Transformer模型、平均池化層、第一歸一化層和第二線性層，基于改進(jìn)Transformer的多尺度神經(jīng)網(wǎng)絡(luò)的輸入作為第一線性層的輸入，第二線性層的輸出作為基于改進(jìn)Transformer的多尺度神經(jīng)網(wǎng)絡(luò)的輸出；所述改進(jìn)的Transformer模型包括編碼器和門(mén)控前饋網(wǎng)絡(luò)，改進(jìn)的Transformer模型的輸入作為編碼器的輸入，編碼器的輸出與可學(xué)習(xí)的位置編碼相加后再輸入到門(mén)控前饋網(wǎng)絡(luò)中，門(mén)控前饋網(wǎng)絡(luò)的輸出作為改進(jìn)的Transformer模型的輸出；所述編碼器包括多尺度的多頭注意力機(jī)制、隨機(jī)失活層和第二歸一化層，根據(jù)所述編碼器的輸入生成多個(gè)不同尺度的輸入序列，接著將每個(gè)尺度的輸入序列作為對(duì)應(yīng)尺度的多頭注意力機(jī)制的輸入，然后將編碼器的輸入與所有尺度的多頭注意力機(jī)制的輸出拼接后再輸入到隨機(jī)失活層中，隨機(jī)失活層和第二歸一化層相連，第二歸一化層的輸出作為編碼器的輸出。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江理工大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)下沙高教園區(qū)2號(hào)大街928號(hào)；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)”。