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！

龙图腾网恭喜西安电子科技大学申请的专利基于孪生网络的疾病相关性预测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：CN114822685B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202210512964.9，技术领域涉及：G16B20/00；该发明授权基于孪生网络的疾病相关性预测方法是由鱼亮;姜晓鑫设计研发完成，并于2022-05-11向国家知识产权局提交的专利申请。

本基于孪生网络的疾病相关性预测方法在说明书摘要公布了：本发明提出了一种基于孪生网络的疾病相关性预测方法，解决现有技术中存在的疾病相关性计算范围较小的技术问题，实现步骤为：1获取疾病数据集；2构建训练样本集和测试样本集；3构建疾病的症状特征和分类特征；4构建基于孪生网络的疾病相关性预测模型；5对基于孪生网络的疾病相关性预测模型C进行迭代训练；6获取疾病相关性预测结果。本发明显著扩大了疾病相关性的计算范围，可用于指导疾病的分类、推断疾病的发病机制、药物重定位以及新药的研发。

本发明授权基于孪生网络的疾病相关性预测方法在权利要求书中公布了：1.一种基于孪生网络的疾病相关性预测方法，其特征在于，包括如下步骤：1获取疾病数据集：获取包括M种症状E＝{e1,e2,...,em,...,eM}和K种疾病类型Y＝{y1,y2,...,yk,...,yK}的N种疾病的集合D＝{d1,d2,...,dn,...,dN}，其中，M≥300，em表示第m种症状，K≥24，yk表示第k个疾病类型，N≥200，dn表示第n种疾病；2构建训练样本集和测试样本集：将疾病集合D中存在基因关联的每两种疾病的关联分数按照由大到小的顺序排列，组成关联分数集A＝{A1,A2,...,As,...,AS}，并选取其中前R条关联分数作为正样本集Ω，将其余T条关联分数作为负样本集Ω-，然后选取Ω中半数以上的正样本，以及Ω-中与所选正样本个数相同的负样本组成训练样本集Tr，将Ω中剩余的正样本，以及Ω-中与Ω剩余的正样本个数相同的负样本组成测试样本集Te，其中，R＜T，S＝R+T；3构建疾病的症状特征和分类特征：提取症状集E中每种症状em的相关文献数量，并通过M种症状的相关文献数量计算N种疾病的症状特征DI＝{g1,g2,...,gn,...,gN}，同时对疾病类型集Y进行one-hot编码，得到N种疾病的分类特征F＝{h1,h2,...,hn,...,hN}，gn表示疾病dn的症状特征，gn＝sn,1,sn,2,...sn,m,...,sn,M，sn,m表示疾病dn和症状em之间的关联分数，hn为疾病dn的分类特征，hn＝cn,1,cn,2,...,cn,k,...,cn,K，cn,k∈{0,1}，cn,k＝1表示dn属于疾病分类yk，cn,k＝0表示dn不属于yk；4构建基于孪生网络的疾病相关性预测模型C：构建包括顺次连接的孪生网络、向量拼接层和多层感知机MLP的疾病相关性预测模型C；其中孪生网络包括权重和偏置参数共享的两个子网络CS1和CS2，该两个子网络均包括多个全连接层；MLP包括输入层、隐藏层和输出层；5对基于孪生网络的疾病相关性预测模型C进行迭代训练：5a初始化迭代次数j，最大迭代次数为J，J≥200，当前疾病相关性预测模型为Cj，并令j＝0，Cj＝C；5b将训练样本集Tr中存在关联分数的疾病da和db的症状特征ga、gb，以及分类特征ha、hb作为疾病相关性预测模型Cj的输入进行前向传播，得到疾病对da和db关联分数的预测值5c采用损失函数L，并通过和训练样本集Tr中的疾病da和db的关联分数计算第j次迭代的模型Cj的损失Lj，然后采用反向传播方法，并通过Lj计算Cj的参数梯度最后采用梯度下降算法通过对Cj的权值参数进行更新，得到第j次迭代后的疾病相关性预测模型；5d判断j≥J或在连续的Q次迭代中模型损失没有下降是否成立，若是，得到训练好的疾病相关性预测模型C′，否则，令j＝j+1，并执行步骤4b，其中2≤Q≤5；6获取疾病相关性预测结果：将测试样本集Te中存在关联分数的疾病dp和dq的症状特征gp、gq，以及分类特征hp、hq输入疾病相关性预测模型C′进行前向传播，得到疾病对dp和dq关联分数的预测值

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。