申请/专利权人：中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)

申请日：2023-10-10

公开（公告）日：2024-04-02

公开（公告）号：CN117476110B

主分类号：G16B40/00

分类号：G16B40/00;G06F18/213;G06F18/25;G06N3/08;G06V10/764;G06N3/0455;G06N3/048;G06N3/084;G06N3/096;G06N3/0464;G06N3/044;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本申请公开了一种基于人工智能的多尺度生物标记物发现系统，通过生物数据库模块管理肿瘤医学图像数据和多尺度生物数据；通过特征提取模块提取与肿瘤医学图像数据相关的生物标记物特征数据；通过深度学习模块基于生物标记物特征数据，训练出用于识别生物标记物的目标多尺度融合模型；通过标记物识别模块利用目标多尺度融合模型，基于未知患者的多尺度生物数据和肿瘤医学图像数据，识别未知患者的肿瘤标记物，有助于早期发现、准确诊断和个性化治疗肿瘤，在临床实践中提供重要的指导和决策依据，为肿瘤检测提供精准数据支撑。

主权项：1.一种基于人工智能的多尺度生物标记物发现系统，其特征在于，包括：生物数据库模块，用于管理肿瘤医学图像数据和多尺度生物数据，所述多尺度生物数据包括生命组学数据、细胞数据、组织数据和器官数据；特征提取模块，用于统计所述多尺度生物数据之间以及所述多尺度生物数据与所述肿瘤医学图像数据之间的相关性，以提取与所述肿瘤医学图像数据相关的生物标记物特征数据；深度学习模块，用于基于所述生物标记物特征数据，对预设多尺度融合模型进行训练，以训练出用于识别生物标记物的目标多尺度融合模型；标记物识别模块，用于利用所述目标多尺度融合模型，基于未知患者的多尺度生物数据和肿瘤医学图像数据，识别未知患者的肿瘤标记物；所述特征提取模块，包括：特征提取单元，利用深度学习算法，对所述多尺度生物数据进行特征提取，得到生物数据特征；分析单元，用于对所述生物数据特征和所述肿瘤医学图像数据进行相关性分析，得到所述多尺度生物数据之间以及所述多尺度生物数据与肿瘤医学图像数据之间的相关性特征，所述生物标记物特征数据包括所述生物数据特征和所述相关性特征；所述特征提取单元，包括：变换子单元，用于对所述生命组学数据、所述细胞数据、所述组织数据和所述器官数据进行尺度变换，得到目标多尺度生物数据；分类子单元，对所述肿瘤医学图像数据进行分类，得到肿瘤类型；特征提取子单元，利用基于注意力机制的自编码器模型，根据所述肿瘤类型，对所述目标多尺度生物数据进行特征提取，得到生物数据特征；所述分析单元，包括：网络转化子单元，用于将多尺度生物数据和所述肿瘤医学图像数据转化为预设相关性网络的网络节点，以网络节点之间的连线表示相关性特征；第一计算子单元，用于基于所述预设相关性网络，计算所述网络节点之间的协方差和标准差；第二计算子单元，用于利用预设相关系数算法，基于所述协方差和所述标准差，计算所述网络节点之间的相关性特征。

全文数据：

权利要求：

百度查询： 中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所) 基于人工智能的多尺度生物标记物发现系统

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