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！

龙图腾网获悉江南大学;江苏磐智数云科技有限公司申请的专利一种高维小样本数据的药物反应预测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：CN119541623B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411624537.5，技术领域涉及：G16B20/00；该发明授权一种高维小样本数据的药物反应预测方法是由王宁;顾文超;周浩杰;周志昉;吴明辉设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种高维小样本数据的药物反应预测方法在说明书摘要公布了：本发明涉及生物信息技术领域，尤其是指一种高维小样本数据的药物反应预测方法，包括：构建知识注入模型，知识注入模型利用从生物医学知识图谱提取的特征嵌入作为额外输入，并引入多样化稀疏特征提取模块和局部对齐上下文学习子模块。多样化稀疏特征提取模块通过对基因特征及其嵌入进行稀疏特征选择和选择性特征提取，从高维数据中提取多样化的高层次特征，局部对齐上下文学习子模块通过邻域注意力机制提取高层次特征嵌入之间的潜在信息交互，并通过自对齐策略保持原有的高层次特征信息。本发明在避免过拟合的同时，能够更有效地捕捉数据中的重要信息，显著提高了药物反应预测的准确性。

本发明授权一种高维小样本数据的药物反应预测方法在权利要求书中公布了：1.一种高维小样本数据的药物反应预测方法，其特征在于，包括： 构建知识注入模型，包括数据预处理模块、多样化稀疏特征提取模块、多分支上下文学习模块和多分支特征融合与预测模块；所述多分支上下文学习模块包括局部对齐上下文学习子模块和分支间注意力； 利用所述数据预处理模块从基因组数据集中提取基因特征及其嵌入； 利用所述多样化稀疏特征提取模块的每个分支分别对基因特征及其嵌入进行稀疏特征选择，公式为： ； 其中，表示第i个分支的稀疏特征选择，，k表示分支的总个数；表示第i个分支的稀疏特征权重矩阵，表示基因特征嵌入，为稀疏特征选择的输入，包括基因特征和基因特征嵌入； 所有分支对基因特征进行稀疏特征选择后，输出稀疏特征选择后的特征；所有分支对基因特征嵌入进行稀疏特征选择后，输出稀疏特征选择后的特征嵌入； 对稀疏特征选择后的特征及其嵌入进行选择性特征提取，得到每个分支的高层次特征及其嵌入，公式为： ； 其中，表示第i个分支的选择性特征提取，表示第i个分支的注意力加权矩阵，表示第i个分支的选择性特征权重矩阵，为选择性特征提取的输入，包括稀疏特征选择后的特征及其嵌入； 所有分支对稀疏特征选择后的特征进行选择性特征提取后，输出高层次特征；所有分支对疏特征选择后的特征嵌入进行选择性特征提取后，输出高层次特征嵌入； 将每个分支的高层次特征嵌入输入至局部对齐上下文学习子模块，利用局部对齐上下文学习子模块的邻域注意力机制提取高层次特征嵌入之间的潜在信息交互，得到每个分支的邻域注意力机制输出的特征嵌入，公式包括： ； ； ； 其中,为第i个分支的高层次特征嵌入，为第i个分支上邻域注意力的QK操作，为第i个分支上邻域注意力的V操作，表示第个高层次特征嵌入相邻的邻域特征嵌入的索引，表示选择性特征提取后的特征个数，表示第i个分支的高层次特征嵌入的第m个特征，表示的邻域特征嵌入，、和均为第i个分支的线性转化权重，表示第i个分支的高层次特征嵌入的第m个特征的偏置；表示softmax激活函数，表示第i个分支邻域注意力机制输出的特征嵌入； 再利用局部对齐上下文学习子模块的交叉注意力机制对每个分支的高层次特征嵌入和邻域注意力机制输出的特征嵌入进行对齐，得到每个分支的目标特征嵌入，公式包括： ； 其中，表示第i个分支的目标特征嵌入，表示第i个分支邻域注意力机制输出的特征嵌入，为第i个分支的高层次特征嵌入，、和均表示交叉注意力的权重； 将每个分支的高层次特征输入至分支间注意力，计算得到每个分支权重； 利用所述多分支特征融合与预测模块将每个分支的高层次特征及目标特征嵌入融合，再利用每个分支权重加权求和，得到融合特征；将融合特征输入至多层感知机，得到药物反应预测结果。

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江南大学;江苏磐智数云科技有限公司，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800号；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。