公开(公告)号：CN119252347A

公开(公告)日：2025-01-03

申请号：CN202411776207.8

申请日：2024-12-05

Applicant: 厦门理工学院

Inventor： 何景光 ,  肖顺鑫 ,  李建敏 ,  王大寒 ,  朱顺痣

IPC: G16B40/00 ,  G16B20/00 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明提供了一种基于KAN网络和多组学数据的癌症亚型分类方法，该方法包括获取多组学数据，包括基因组学数据、转录组学和蛋白质组学数据，构建测试数据集；利用科尔莫戈洛夫‑阿诺德网络模型对多组学数据进行特征提取和整合,并进行训练，得到训练好的癌症分型模型；在模型评估阶段，采用蒙特卡洛丢弃法进行多次前向传播，以估算模型预测结果的不确定性，提升模型的鲁棒性；癌症分型预测，使用训练好的科尔莫戈洛夫‑阿诺德网络模型对多组学数据进行高精度癌症分型。本方法能够有效解决多组学数据异质性问题，提升癌症分型的准确性和鲁棒性，有助于提高个性化治疗的效果。

公开(公告)号：CN119252347B

公开(公告)日：2025-03-14

申请号：CN202411776207.8

申请日：2024-12-05

Applicant: 厦门理工学院

Inventor： 何景光 ,  肖顺鑫 ,  李建敏 ,  王大寒 ,  朱顺痣

IPC: G16B40/00 ,  G16B20/00 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明提供了一种基于KAN网络和多组学数据的癌症亚型分类方法，该方法包括获取多组学数据，包括基因组学数据、转录组学和蛋白质组学数据，构建测试数据集；利用科尔莫戈洛夫‑阿诺德网络模型对多组学数据进行特征提取和整合,并进行训练，得到训练好的癌症分型模型；在模型评估阶段，采用蒙特卡洛丢弃法进行多次前向传播，以估算模型预测结果的不确定性，提升模型的鲁棒性；癌症分型预测，使用训练好的科尔莫戈洛夫‑阿诺德网络模型对多组学数据进行高精度癌症分型。本方法能够有效解决多组学数据异质性问题，提升癌症分型的准确性和鲁棒性，有助于提高个性化治疗的效果。