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！

龙图腾网获悉大连理工江苏研究院有限公司申请的专利一种基于机器学习的幽门螺杆菌抗体药物制备方法及其研发用区块链应用系统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：CN116052799B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202211676968.7，技术领域涉及：G16C20/50；该发明授权一种基于机器学习的幽门螺杆菌抗体药物制备方法及其研发用区块链应用系统是由李强;原旭;汤昊成;黄笠煌设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种基于机器学习的幽门螺杆菌抗体药物制备方法及其研发用区块链应用系统在说明书摘要公布了：本发明涉及生物软件信息技术领域，尤其涉及一种基于机器学习的幽门螺杆菌抗体药物制备方法及系统，步骤一为分析幽门螺杆菌基因所属亚型及特征，二是建立幽门螺杆菌亚型基因库，三是识别患者的幽门螺杆菌具体基因型，四是制备特异性的幽门螺杆菌抗体治疗药物。本发明提出的混合深度地域家族特征提取方法，能够基于相关患者信息数据的共性知识，通过多个模拟抽样的小样本数据集提升参数敏感性并实现模型泛化，基于小样本的差异性混合深度元学习模型解决了幽门螺杆菌新出现的病原体亚型分析难度高、没有个性抗体化药物制备等问题，简化了个性化抗体制备流程、缩短制备周期、降低制备成本。

本发明授权一种基于机器学习的幽门螺杆菌抗体药物制备方法及其研发用区块链应用系统在权利要求书中公布了：1.一种基于机器学习的幽门螺杆菌抗体药物制备方法，其特征在于，包括以下步骤：步骤一,收集幽门螺杆菌基因样本数据；步骤二,使用基于小样本的差异性混合深度元学习模型对基因样本数据进行机器学习，记录所述样本数据的特异性；学习所述样本数据病原体亚型数据地域家族遗传混合特征，建立病原体亚型基因数据库；步骤三,使用自适应分层聚类分型方法判断新患者的病原体亚型及有无药物免疫基因突变，识别新患者的病原体亚型；步骤四,识别出的所述病原体亚型匹配或制备特异性的幽门螺杆菌基因抗体治疗药物； 步骤二所述使用基于小样本的差异性混合深度元学习模型采用长短期记忆网络LSTM和卷积神经网络CNN混合提取患者信息数据地域家族遗传特征，结合元学习范式，设计适用于小样本数据特征学习的混合深度元学习模型架构； 所述基于小样本的差异性混合深度元学习模型，其架构方法包括： 1设计模型无关的小样本元学习任务架构； 2使用混合深度地域家族遗传特征提取方法学习数据的局部特征，所述混合深度地域家族遗传特征提取方法由顺序连接的卷积神经网络CNN、多层感知机MLP和长短期记忆网络LSTM三部分构成，所述卷积神经网络使用一维卷积神经网络； 步骤三所述的自适应分层聚类分型方法，具体步骤为： 1构建分层聚类模型： ①对患者样本数据集进行归一化和特殊值填充预处理，设整个待分析的所述患者样本数据集D＝{x1,x2,...,xn}包含n个样本数据，每个样本数据有m个病原体亚型集合，即A＝{a1,a2,...,am}，对所有样本数据进行归一化处理，首先针对每一个病原体亚型aii＝1,...,m，利用min-max标准化方法将所有样本数据的非缺失值映射到[0,1]区间；其次，采用数值0对所述患者样本数据集D中所有缺失的病原体亚型进行初始化填充； ②计算任意两个样本数据的病原体亚型间的距离相关性，定义表示样本数据xn在am维度上的值，用公式Relationi,j,k,l表示病原体亚型ai与病原体亚型aj在第k行与第l行样本数据中呈现的距离相关性其中为样本数据xk中亚型ai的值，为样本数据xl病原体亚型ai的值，为样本数据xk病原体亚型aj的值，为样本数据xl病原体亚型aj的值，相关性结果有正相关和负相关两种，定义函数Scorei,j,k,l表示病原体亚型ai与病原体亚型aj在第k行与第l行样本数据中的相关性分数，公式如下： ③计算任意两种病原体亚型间的相关性，首先定义两个所述病原体亚型间的相关性距离变量Wij，用来表示第i种病原体亚型与第j种病原体亚型的关联性指数，Wij的计算公式如下：定义集合P为样本数据集D中任意两种病原体亚型的相关性，即P＝{p12,p13,...,p1m,...,pm-1m}，其中pij表示病原体亚型ai与aj的相关性百分比，pij的计算公式定义如下： 其中分母表示病原体亚型ai与病原体亚型aj在所有样本数据中的比较次数，k表示第k个样本数据，l表示第l个样本数据，n为所有样本数据的总量，如果pij值为100％，则表明在样本数据集中任意两组样本的病原体亚型ai与aj都呈正相关趋势； ④基于集合P对病原体亚型集合A进行自底向上的分层聚类； 2验证反馈：在临床验证结果与分层聚类模型间构建反馈网络，将所述临床验证结果反馈给所述分层聚类模型，学习优化所述分层聚类模型参数阈值并改进所述病原体亚型的分层聚类，进而通过所述反馈网络自适应调整优化所述病原体亚型的分类特征的提取过程。

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大连理工江苏研究院有限公司，其通讯地址为：213164 江苏省常州市常武中路18号常州科教城；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。