龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：深圳市新合生物医疗科技有限公司
申请日：2020-12-04
公开（公告）日：2024-05-17
公开（公告）号：CN112466389B
主分类号：G16B5/00
分类号：G16B5/00;G16B20/20;G16B20/30;G16B40/00;G06N20/00
优先权：
专利状态码：有效-授权
法律状态：2024.05.17#授权;2021.03.26#实质审查的生效;2021.03.09#公开
摘要：本发明公开了一种基于机器学习算法获取肿瘤标记物的方法和系统，所述方法包括：采集点肿瘤标记物检测样本的样本数据；对所述样本数据进行初步特征数据的筛选，获得特征索引；将特征索引对应的特征数据取出并拼接形成样本的特征向量；根据样本特征向量进行神经网络模型的训练；利用训练好的神经网络模型对肿瘤标记物进行检测，并输出真的结果信息，所述系统包括与所述方法步骤对应的模块。
主权项：1.一种基于机器学习算法获取肿瘤标记物的方法，其特征在于，所述方法包括：采集肿瘤标记物检测样本的样本数据；对所述样本数据进行特征数据的筛选，获得特征索引；将特征索引对应的特征数据取出并拼接形成样本的特征向量；根据样本特征向量进行神经网络模型的训练；利用训练好的神经网络模型对肿瘤标记物进行检测，并输出结果信息；所述对所述样本数据进行特征数据的筛选，包括：基于梯度提升决策树的染色体特征筛选器与基于全连接神经网络的样本特征筛选器；通过梯度提升决策树对来自不同染色体的位点特征进行初级特征选择，随后通过全连接神经网络对初步筛选后的样本的全体位点特征进行次级选择；利用样本数据进行构建梯度提升决策树；为样本数据的每个染色体构建相应的基于梯度提升决策树的初级特征筛选器，最终并行地实现多条染色体的特征筛选；所述根据样本特征向量进行神经网络模型的训练包括：针对神经网络模型之中的主体神经网络结构之中的至少一部分层，分别获得与其中每层的输出对应的层预测结果；基于由神经网络模型的输出层所输出的预测结果与样本数据的真实结果值的差异来构建模型损失函数；在网络训练的过程中对全连接层的权重矩阵施加一个混合范数，模型损失函数为混合范数的均方差损失函数；根据所述模型损失函数来调整所述神经网络模型；其中，所述采集肿瘤标记物检测样本的样本数据包括染色体、位点、以及定量信息。
全文数据：
权利要求：
百度查询： 深圳市新合生物医疗科技有限公司 一种基于机器学习算法获取肿瘤标记物的方法和系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号