摘要
本发明公开了一种结合肿瘤微环境信息的基因突变预测方法,获取肿瘤病理切片图,对肿瘤病理切片图进行预处理,提取并标记不同细胞部分;针对每一张肿瘤病理切片图,结合所属细胞类型和空间信息,构建含有细胞类型的拓扑结构图;利用节点扰动构建原始图样本的扰动样本;使用扰动样本和原始图样本进行对比学习,得到原始图样本的图节点嵌入表示;采用图注意力网络对图节点嵌入表示进行表征,通过交叉熵损失函数进行图神经网络训练,得到预测模型;通过预测模型进行基因突变预测。采取图对比学习网络,能更好的学习到节点的特征表达;使用图注意力网络,能够学习不同细胞的交互关系,探究交互关系对于基因突变的影响,提升基因突变预测的准确性。
技术关键词
节点特征
图样
肿瘤微环境
注意力
样本
神经网络训练
多层感知机
淋巴
近邻算法
处理器
残差网络
标记
计算机设备
切片
可读存储介质
关系
存储器
系统为您推荐了相关专利信息
文本特征向量
合同模板生成方法
语义理解模型
控件
序列
视频异常检测方法
预训练模型
编码器
解码器架构
输入解码器
火电机组调频调峰
性能优化方法
历史工况数据
信号
流速
任务分配方法
规划
DQN算法
任务分配策略
深度强化学习