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！

龙图腾网获悉安徽大学申请的专利一种基于多尺度对比学习的空间转录组学细胞聚类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：CN120015132B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411845699.1，技术领域涉及：G16B40/20；该发明授权一种基于多尺度对比学习的空间转录组学细胞聚类的方法是由郑春厚;肖可扬;王静;苏延森;丁云;范芳菲设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种基于多尺度对比学习的空间转录组学细胞聚类的方法在说明书摘要公布了：本发明公开了一种基于多尺度对比学习的空间转录组学细胞聚类的方法，包括以下步骤：S1，进行数据预处理；S2，使用处理后的数据进行图构建；S3，进行数据增强；S4，使用GCN提取细胞基因表达信息；S5，使用ContraNorm层丰富节点信息；S6，使用多尺度图对比学习进一步学习信息，并用学习得到的最终信息进行生物学分析。本发明利用计算机辅助细胞类型分析，无需大量高质量数据，只需利用基因表达数据和细胞空间位置信息数据，就能预测哪些细胞属于同一个类别，提供更多的有效信息帮助研究人员识别癌症的起始和疾病的发展。

本发明授权一种基于多尺度对比学习的空间转录组学细胞聚类的方法在权利要求书中公布了：1.一种基于多尺度对比学习的空间转录组学细胞聚类的方法，其特征在于，包括以下步骤： S1，进行数据预处理； S2，使用处理后的数据进行图构建；具体地，将空间位置信息转化为一个 S3，进行数据增强；其中，数据增强的可以选择两种方式，一种方式是将一个给定的图结构进行数据增广，通过随机打乱所有点的基因表达向量来构建损坏的图结构，并且保持原有的邻接矩阵不变；第二种方法引入了奇异值分解SVD进行数据增强，它会通过考虑保持全局协作信号来生成新的图结构，公式如下 通过一个低秩的矩阵近似的表达输入矩阵，然后对这个矩阵进行SVD；其 S4，使用GCN提取细胞基因表达信息； S5，使用ContraNorm层丰富节点信息；具体地，使用ContraNorm层用来丰富节点的信息，模型在识别细胞域上有更好的性能，公式如下 其中，代表经过编码器处理后的低维嵌入表达，且s代表的是梯度下降的步长，是类似于Transformers中的自注意矩阵，通过对比指定点与其他点之间的相似性来进行丰富节点信息； S6，使用多尺度图对比学习进一步学习信息，并用学习得到的最终信息进行生物学分析。

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安徽大学，其通讯地址为：230031 安徽省合肥市经济技术开发区九龙路111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。