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！

龙图腾网获悉汕头大学申请的专利基于最优传输子空间聚类的癌症单细胞类型识别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：CN119649917B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411506064.9，技术领域涉及：G16B40/30；该发明授权基于最优传输子空间聚类的癌症单细胞类型识别方法是由刘诚;叶毅炫;周贤勇设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本基于最优传输子空间聚类的癌症单细胞类型识别方法在说明书摘要公布了：本发明提出了一种基于最优传输子空间聚类的癌症单细胞类型识别方法，本申请通过采用局部图引导的学习策略，本发明有效解决了深度子空间聚类中的常见问题，即自表达学习过程中易于收敛到次优解，进而导致较差的聚类结果。该策略显著提高了聚类过程的准确性和稳健。进一步的，本申请还引入Wasserstein正则化自表达学习方法，结合最佳传输算法，极大提升了模型对细胞聚类任务中子空间结构的学习能力，使得模型能够获得更为稳健和可靠的子空间表示，从而提高聚类质量。

本发明授权基于最优传输子空间聚类的癌症单细胞类型识别方法在权利要求书中公布了：1.一种基于最优传输子空间聚类的癌症单细胞类型识别方法，其特征在于，所述方法包括以下步骤： S1：利用重构损失预训练自动编码器，并获得初始表示作为自表达学习的起点； S2：通过深度子空间聚类模型结合Wasserstein自表示学习，并使用标准ADMM优化方法进行交替更新深层子空间聚类参数； S3：使用Sinkhorn-Knopp算法计算最优传输计划γ*，并将其反馈到自表达损失中进行细化； S4：将亲和力矩阵应用到谱聚类算法上，以获得细胞类型识别的最终聚类结果；其中， 所述步骤S1，具体包括： 定义重建损失Lrecon，公式为： 式中，X＝[X1,X2,...,Xn]∈RD×N表示癌症单细胞测序数据集，其中D表示基因数量，N表示细胞数量；为利用相应的解码器网络从潜在表示重建原始数据， 其中D·表示解码器网络，Θd是解码器参数，Z为自动编码器网络学习原始数据的潜在表示，Z＝EX,Θe，其中，E·表示编码器函数，Θe表示编码器参数； 所述步骤S2，还包括： 所述深度子空间聚类模型，表述如下： 其中，使用自表达矩阵C测量潜在表示的重建误差，是控制d复杂度的正则化项； 所述步骤S4，还包括： 定义自表达矩阵C，将成本矩阵定义为G＝1-C； 使用最佳传输距离基于γ计算基于细胞间距离的自表达，公式为： 其中，使用Sinkhorn-Knopp算法求解以获得最优传输计划γ，γ代表最优细胞间关系匹配矩阵； 所述步骤S4，还包括： 总损失函数，定义为： total＝Ltrain+λLself 其中λ是平衡重建和自表达损失的参数。

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汕头大学，其通讯地址为：515000 广东省汕头市大学路汕头大学；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。