买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津大学合肥创新发展研究院申请的专利基于深度因子分解机预测抗癌药物敏感性的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118919096B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410924385.4，技术领域涉及：G16H70/40；该发明授权基于深度因子分解机预测抗癌药物敏感性的方法是由苏苒设计研发完成，并于2024-07-11向国家知识产权局提交的专利申请。

本基于深度因子分解机预测抗癌药物敏感性的方法在说明书摘要公布了：本发明基于深度因子分解机预测抗癌药物敏感性的方法，其特征在于，包括以下步骤：步骤1：构建数据集及预处理；步骤2：构建深度因子分解机DeepFM的模型：所述深度因子分解机DeepFM的模型的主要思路是构建因子分解机FM模型、构建深层神经网络模型DNN、将因子分解机FM与深层神经网络相融合构建深度因子分解机DeepFM模型；步骤3：训练各阶段模型结果并评价，将步骤1得到的抗癌药物敏感性数据平均分为5部分，执行5折交叉验证，在此阶段为了训练各个阶段的模型结果。本发明药物低阶特征组合单独建模，并融合高阶特征组合，构建融合深层神经网络模型以及因子分解机模型的模型，更好的提取药物特征结构，使构建模型更准确，精度更高。

本发明授权基于深度因子分解机预测抗癌药物敏感性的方法在权利要求书中公布了：1.基于深度因子分解机预测抗癌药物敏感性的方法，其特征在于，包括以下步骤： 步骤1：构建数据集及预处理； 1-1，获取细胞的基因表达数据构建数据集； 1-2，获取药物化学结构数据，从PubChem中获取步骤1-1所述数据集中所有药物的化学结构； 1-3，将ActArea作为药物敏感性的指标，对药物敏感性数据进行标准化以及归一化，确定最终数据集； 步骤2：构建深度因子分解机DeepFM的模型：所述深度因子分解机DeepFM的主要思路是构建因子分解机FM模型、构建深层神经网络DNN模型、将因子分解机FM与深层神经网络DNN相融合构建深度因子分解机DeepFM模型； 2-1：构建因子分解机FM模型，此模型主要用于解决在数据稀疏的情况下如何组合特征的问题，为了表达出各种特征量之间的相关性信息，此处使用二阶多项式模型，将步骤1得到的最终数据集作为输入层，通过深层神经网络DNN模型处理低阶特征并提取低阶特征之间的交叉关系； 2-2：构建深层神经网络DNN模型，使用特征转换为one-hot形式处理离散特征，为了避免大量冗余的网络参数，将特征分为不同的区域，随后添加两个完全链接层，组合密集向量，然后提取出高阶特征组合； 2-3：利用并行结构的融合机制，将步骤2-1和步骤2-2构建的模型预测结果融合成深度因子分解机DeepFM模型； 步骤3：训练各阶段模型结果并评价，将步骤一得到的抗癌药物敏感性数据平均分为5部分，执行5折交叉验证，在此阶段为了训练各个阶段的模型结果，引入皮尔逊Pearson相关系数和epoch参数进行评定； 3-1，训练因子分解机FM模型结果数据并进行分析； 3-2，训练深层神经网络模型结果数据并进行分析； 3-3，训练深度因子分解机DeepFM模型结果数据并进行分析; 3-4，三种模型结果分析和对比； 步骤2-1中，使用二项多项式构建因子分解机FM模型，进而表达出各种特征量之间的相关性信息，此二阶多项式模型表达式： 2 其中，表示输出值，表示特征向量，表示模型的常数项，表示当输入特征变量都为0时，模型预测的输出值，表示模型的权重参数，表示特征变量和的结合变量，表示变量和交叉部分的权重，当时，表示变量和之间交互作用的影响度； 由于因子分解机FM是一种分类功能模型，因此在one-hot编码后，样本的数据变得非常稀疏，极少情况出现两个变量和不为0的情况，这将导致无法通过训练获得，为了找到，将为每个特征向量引入辅助向量，同理为每个特征向量引入，使用求解； 组成的矩阵可以表示为： 3 其中，表示矩阵的输出值，表示特征向量的辅助向量，表示将矩阵中的行向量转置成列向量，表示矩阵中的第列，表示矩阵中的第个列向量的转置，即行向量形式； 最后，利用随机梯度下降SGD来训练模型： 4 其中，是一个参数向量，表示一个参数，表示输出值，表示特征向量，表示模型的常数项，表示模型的权重参数，表示特征变量的辅助向量；根据参数不同的取值，模型的最终输出值也会发生变化，通过因子分解机FM模型框架，处理低阶特征并提取低阶特征交叉关系。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津大学合肥创新发展研究院，其通讯地址为：230031 安徽省合肥市经济技术开发区清潭路和紫蓬路交口中德合作创新示范园37号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。