公开(公告)号：CN120089200A

公开(公告)日：2025-06-03

申请号：CN202510063037.7

申请日：2025-01-15

Applicant: 东北林业大学

Inventor： 章天骄 ,  张宏飞 ,  汪国华

IPC: G16B25/10 ,  G16B30/00 ,  G16B40/00 ,  G06F18/214 ,  G06F18/10 ,  G06F18/25

Abstract: 本发明提出一种基于空间多组学数据进行空间域识别的方法，属于生物信息学技术领域，解决现有技术难以充分利用空间多组学数据并对离散空间域难以识别的问题，包括：步骤1：获取空间多组学综合数据集并进行预处理；步骤2：构建深度神经网络模型；步骤3：基于预处理后的空间多组学综合数据集对深度神经网络模型进行训练；步骤4：将待测数据输入训练后的深度神经网络模型进行空间域识别。

公开(公告)号：CN119446253A

公开(公告)日：2025-02-14

申请号：CN202411290050.8

申请日：2024-09-14

Applicant: 东北林业大学

Inventor： 章天骄 ,  张宏飞 ,  汪国华

IPC: G16B20/00 ,  G16B40/00 ,  G06F18/241 ,  G06F18/23213 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于单细胞多组学数据进行细胞类型划分的方法，属于生物信息学技术领域。解决常用技术形成的高噪声和高稀疏性的问题。包括如下步骤，步骤一，构建深度神经网络模型，步骤二，获取单细胞多组学综合数据集，步骤三，对所述单细胞多组学数据集进行预处理，步骤四，基于预处理后的单细胞多组学数据集对深度神经网络模型进行训练，步骤五，基于训练后的深度神经网络模型对待测数据进行细胞类型划分。本发明提出scDRMAE模型，通过两个并行的MAE模块捕捉不同组学的依赖关系，将通常被忽略的因素考虑到细胞聚类之中并借助其中的掩码预测机制实现了对不同组学数据的插补，最后通过注意力机制有效融合各个组学数据，提高了模型细胞聚类的准确性。