公开(公告)号：CN118053501A

公开(公告)日：2024-05-17

申请号：CN202410145086.0

申请日：2024-02-01

申请人： 东北大学

发明人： 栗伟 ,  赵敏清 ,  潘智超 ,  谢维冬 ,  冯朝路 ,  杨金柱 ,  覃文军 ,  曹鹏 ,  赵大哲

IPC分类号： G16B40/20 ,  G16B40/30 ,  G16B25/10 ,  G16B25/30 ,  G06F18/2111 ,  G06F18/2113 ,  G06F18/23 ,  G06F18/2411 ,  G06F18/243 ,  G06F18/27 ,  G06N5/01 ,  G06N20/20

摘要： 本发明提供一种基于遗传算法的生物标志物识别方法，涉及机器学习技术领域。该方法首先利用mRMR算法对高维的基因微阵列数据进行过滤；然后通过多种机器学习方法的特征选择结果与OBL算法相结合生成初始化种群，最后使用改进的遗传算法进行最优特征子集的选择，实现生物标志物的识别。该方法融合了不同特征选择算法的优势，还结合了全局搜索和局部搜索进行特征选择，得到的最优个体向量能够保留较少的特征数目且具备较高的分类准确率，实现了较好的分类效果。

公开(公告)号：CN117992913A

公开(公告)日：2024-05-07

申请号：CN202410148682.4

申请日：2024-02-02

申请人： 东北大学

发明人： 栗伟 ,  潘智超 ,  赵敏清 ,  谢维冬 ,  冯朝路 ,  杨金柱 ,  覃文军 ,  曹鹏 ,  赵大哲

IPC分类号： G06F18/25 ,  G06F18/241 ,  G16B40/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明设计一种基于双峰注意力融合网络的多模态数据分类方法，属于多模态数据分析领域；首先通过TCGA下载公开基因表达数据，然后通过特征选择方法提取基因表达数据中的基因特征；然后通过TCGA下载公开病理图像数据，再训练卷积神经网络模型提取病理图像数据中的图像特征；最后通过双峰注意力融合网络BAFN将提取到的基因特征和图像特征进行特征融合并输出分类结果；与传统方法相比，本发明能够更好地利用多模态数据之间的关联性，更高效地融合多模态特征，同时减少融合过程中信息丢失的问题，从而实现更好的分类效果。