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！

龙图腾网恭喜长春大学申请的专利基于Transformer的基因数据挖掘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：CN119479835B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202510059810.2，技术领域涉及：G16B40/20；该发明授权基于Transformer的基因数据挖掘方法是由戴银飞;卢世豪;王琦;宋晓;乔梦娇;樊杰;王绍强;刘玉宝;王艳柏;刘志远;隋玉萍设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本基于Transformer的基因数据挖掘方法在说明书摘要公布了：本发明属于生物特征识别技术领域，涉及一种基于Transformer的基因数据挖掘方法，该方法从文件中加载基因表达数据，进行预处理；之后将数据输入设计的模型中进行训练并评估；所设计的模型包括CNN卷积神经网络和改进的Transformer模型；改进的Transformer模型包括编码器、分类器；编码器采用多头自注意力机制、卷积自注意力机制和前馈神经网络；之后利用训练好的模型对数据处理，在对数据处理过程中，将编码层获取的融合注意力权重存储；最后对所有批次的融合注意力权重进行平均，计算每个基因在不同时间点上的综合注意力权重，通过计算并分析每个基因的注意力得分，识别出最为重要的基因。该方式可以解决基因数据稀缺和不平衡问题，减少过拟合的风险，提升基因数据分析的精度。

本发明授权基于Transformer的基因数据挖掘方法在权利要求书中公布了：1.一种基于Transformer的基因数据挖掘方法，其特征在于，该方法包括以下步骤：步骤1.数据处理从文件中加载基因表达数据，进行预处理操作，包括标准化、标签生成和数据集划分；步骤2.构建稻瘟病关键致病基因数据挖掘模型稻瘟病关键致病基因数据挖掘模型用于提取局部特征和捕捉序列依赖关系，实现对水稻基因表达数据的二分类任务，包括CNN卷积神经网络、嵌入层和改进的Transformer模型；CNN卷积神经网络包含两层一维卷积层，每层卷积操作后使用的激活函数为ReLU，用于对差异表达矩阵进行局部特征提取，同时捕捉相邻时间点之间的空间模式，识别出不同时间点上基因表达值之间的局部相关性；嵌入层用于将CNN输出特征映射到Transformer输入维度；改进的Transformer模型包括编码器、分类器；编码器采用多头自注意力机制、卷积自注意力机制和前馈神经网络，其由6个编码层构成，每个编码层用于处理序列数据并捕捉长距离依赖关系，同时输出融合注意力权重；上一编码层经过残差连接和归一化后的输出作为当前编码层的输入；所述编码层包含依次设置的自注意力层、归一化层、卷积自注意力层、归一化层、前馈神经网络和归一化层，自注意力层用于捕捉基因表达数据中的长距离依赖关系，获取每个基因的自注意力权重，分析基因的重要性；归一化层执行残差连接和归一化操作，保证每一层的输入具有相同维度；卷积自注意力层用于捕捉局部模式和短距离依赖关系，计算卷积注意力权重并融合注意力机制，所述前馈神经网络由两个线性变换层和夹在两个线性变换层中间的ReLu激活函数组成，前馈神经网络的输出进行残差连接和归一化操作；分类器使用全连接层进行分类，将编码器的输出映射到分类任务的目标空间，并使用Softmax函数计算每个类别的概率分布，输出分类结果；步骤3.对稻瘟病关键致病基因数据挖掘模型初始化，训练并评估模型，之后利用训练好的稻瘟病关键致病基因数据挖掘模型对水稻基因数据进行分类，稻瘟病关键致病基因数据挖掘模型在对数据处理过程中，每层编码层对于每个基因会生成每个时间步的融合注意力权重，将获取的融合注意力权重存储；步骤4.对所有批次的融合注意力权重进行平均，计算每个基因在不同时间点上的综合注意力权重，通过计算并分析每个基因的注意力得分，识别出最为重要的基因； ；其中，attn_weights_avg为每个时间步上每个基因的平均注意力权重，为第i层编码层获取的每个时间步上每个基因的融合注意力权重； ;其中，为每个基因在n个时间步上的综合注意力权重，为第i个时间步权重，时间步越大权重越大； ； 其中，为每个基因的最终注意力权重，为感染前或感染后样本，i=1为感染前样本，i=2为感染后样本；之后根据基因的最终注意力权重进行排序，输出前N个最重要的基因作为被稻瘟病感染过程中的关键致病基因及其对应的得分。

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长春大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路6543号；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”。