一种基于半监督学习的抗癌药物敏感性评估方法及系统
本发明涉及药物敏感性评估技术领域,具体公开了一种基于半监督学习的抗癌药物敏感性评估方法,该方法包括:获取基础数据,并对所述基础数据进行预处理,获得初始特征;基于半监督多任务深度神经网络框架以及所述初始特征,构建抗癌药物敏感性评估模型;基于所述抗癌药物敏感性评估模型,结合蒙特卡洛和积分梯度算法,获取初始特征对药物敏感性的贡献度。本发明通过综合多任务学习框架,能够在不同任务之间共享特征表示,从不同角度优化神经网络,从而提高模型的准确性和稳健性,并引入蒙特卡洛和积分梯度算法,解决了深度学习模型的黑盒问题,提供了特征可解释性,帮助研究人员理解模型的计算过程,从而能够发现影响最终结果的关键特征的优点。
《一种基于半监督学习的抗癌药物敏感性评估方法及系统》是一发明专利,专利号为 2024104072515,当前法律状态为已下证,由佛山大学提出申请,发明人为柴华;宋心鹏;黄嘉容;郑锦泳;何敏藩;黎乐儿;周嘉鹏;陈慧聪,申请日期为2024-04-07,公开(公告)日期为2024-12-10,国际专利分类号(IPC)为 G16H 70/40 (2018.01),高新资质:未报高企,所属技术领域包括:高校代售需公示需二变流程一个月左右未报项目代售。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及药物敏感性评估技术领域,具体公开了一种基于半监督学习的抗癌药物敏感性评估方法,该方法包括:获取基础数据,并对所述基础数据进行预处理,获得初始特征;基于半监督多任务深度神经网络框架以及所述初始特征,构建抗癌药物敏感性评估模型;基于所述抗癌药物敏感性评估模型,结合蒙特卡洛和积分梯度算法,获取初始特征对药物敏感性的贡献度。本发明通过综合多任务学习框架,能够在不同任务之间共享特征表示,从不同角度优化神经网络,从而提高模型的准确性和稳健性,并引入蒙特卡洛和积分梯度算法,解决了深度学习模型的黑盒问题,提供了特征可解释性,帮助研究人员理解模型的计算过程,从而能够发现影响最终结果的关键特征的优点。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
