一种用于细胞类型反卷积和3D重构的深度学习方法

本申请涉及数据处理技术领域，公开了一种用于细胞类型反卷积和3D重构的深度学习方法，包括用正态分布变换，选中间切片作为固定枢轴，并将所有相邻切片线性注册到这个枢轴上，以减少累计误差；将细胞类型反卷积问题建模为最大后验概率框架下的优化问题，采用弹性网正则化建模稀疏性和多重共线性，并在列方向上应用总变差正则化；使用已注册的空间信息构建邻接矩阵，并将节点的空间坐标和基因表达向量拼接成特征向量，通过多头图注意力机制提取特征，并使用细胞类型反卷积结果作为监督信号进行训练；本申请具有高效性和准确性，解决现有技术中存在的空间不一致性处理、细胞类型预测准确性低及算法效率低下的问题，实现快速高效的生物信息分析。