申请/专利权人：哈尔滨工业大学

申请日：2022-10-19

公开（公告）日：2023-01-20

公开（公告）号：CN115631849A

主分类号：G16H50/20

分类号：G16H50/20;G06F17/16;G06N3/045;G06N3/048;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2023.04.28#授权;2023.02.14#实质审查的生效;2023.01.20#公开

摘要：基于深度神经网络的乳腺癌预后指示系统、存储介质及设备，属于癌症预后指示技术领域。本发明为了解决现有的乳腺癌预后预测准确率有待于提高的问题。本发明根据用户输入实例对应的组学特征在TCGA数据库中获取相同的全部乳腺癌实例的组学特征，然后针对每个组学数据分别计算特征的肯德尔相关系数矩阵，根据相关系数矩阵确定全局基因相似系数矩阵及最相近基因相似系数矩阵，并通过迭代计算多组学特征相似性融合矩阵进而获得多组学特征的全局相似性，之后根据非负矩阵分解的方式对其进行分解，根据分解结果对用户取户输入的组学特征进行加权，然后利用机器学习模型进行乳腺癌预后预测。本发明用于乳腺癌的预后指示。

主权项：1.基于深度神经网络的乳腺癌预后指示系统，其特征在于，包括系统实例特征获取单元、相关系数计算单元、最相近基因相似系数矩阵生成单元、相似性多组学特征融合单元、用户输入加权单元和乳腺癌转移预测单元；其中，系统实例特征获取单元：根据用户输入实例对应的组学特征在TCGA数据库中获取相同的全部乳腺癌实例的组学特征FTCGA；相关系数计算单元：针对组学特征Fraw和组学特征FTCGA中的每个组学数据，分别计算特征的肯德尔相关系数矩阵T；全局基因相似系数矩阵生成单元：通过公式1生成标准化特征相似系数矩阵P；矩阵P对角线元素代表基因与自身的相关系数； 其中，Pv表示组学v对应的全局基因相似系数矩阵；NOmic是根据用户输入组学特征确定的组学个数；Ti,j是肯德尔相关系数矩阵的第i行j列元素，代表基因i和基因j的相关系数；最相近基因相似系数矩阵生成单元：选取大小为k的核，代表对于每个基因关注前k个与它最相似的基因，其余的赋值为0；通过公式2计算核矩阵： 其中，Sv表示组学v对应的最相近基因相似系数矩阵；这个操作表示对于每个基因选取k个与它最相似的基因作为重点关注基因列表，其余基因相似性系数赋为0，不予考虑；相似性多组学特征融合单元：通过公式3迭代计算多组学特征相似性融合矩阵： 其中，为组学v数据在t次迭代后的特征相似性融合矩阵，t＝0代表未经迭代的初始矩阵；通过公式4计算多组学特征的全局相似性： 如果输入的是单一组学特征，那么就是对应的用户输入加权单元：首先根据非负矩阵分解的方式对进行分解，得到非负矩阵分解中z个基对应的矩阵W；然后根据矩阵W对用户取户输入的组学特征Fraw进行加权，记为F；乳腺癌转移预测单元：将输入给乳腺癌转移预测模型预测乳腺癌是否转移，所述的乳腺癌转移预测模型为机器学习模型，模型输出乳腺癌预后预测结果。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于深度神经网络的乳腺癌预后指示系统、存储介质及设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD