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！

龙图腾网获悉长春大学申请的专利基于Trans-CNN特征融合的骨关节炎生物标志物筛选方法及系统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：CN121565267B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610083264.0，技术领域涉及：G16B40/00；该发明授权基于Trans-CNN特征融合的骨关节炎生物标志物筛选方法及系统是由赵剑;吴常武;匡哲君;王晗;史丽娟设计研发完成，并于2026-01-22向国家知识产权局提交的专利申请。

本基于Trans-CNN特征融合的骨关节炎生物标志物筛选方法及系统在说明书摘要公布了：基于Trans‑CNN特征融合的骨关节炎生物标志物筛选方法及系统，涉及医疗技术领域。解决了现有的骨关节炎生物标志物的筛选研究过程中，传统的Transformer模型对于输入文本序列善于捕捉特征的全局关系，传统的CNN模型更加关注局部的特征关系，二者融合会使得骨关节炎的诊断的准确性降低等问题，本发明提出的Trans‑CNN特征融合模型，通过动态门控机制巧妙地将Transformer的全局上下文感知能力与CNN的局部特征提取优势相结合，能够更全面地捕捉DNA甲基化数据中复杂的调控关系，并通过动态门控机制巧妙地将Transformer的全局上下文感知能力与CNN的局部特征提取优势相结合，能够更全面地捕捉DNA甲基化数据中复杂的调控关系，即完成对骨关节炎生物标志物筛选。

本发明授权基于Trans-CNN特征融合的骨关节炎生物标志物筛选方法及系统在权利要求书中公布了：1.基于Trans-CNN特征融合的骨关节炎生物标志物筛选方法，其特征在于，所述方法包括以下步骤： 步骤1、从GEO数据库中获取全基因组甲基化位点，构成原始特征数据集； 步骤2、基于步骤1所获取的原始特征数据集初步筛选出具有统计显著性与生物学先验支持的高潜力候选位点，分别构成差异甲基化特征子集和基因区域特征子集； 步骤3、将差异甲基化特征子集经过SVM-RFE取平均准确率最高的位点组合，差异甲基化特征子集经过随机森林RF模型取平均最高的位点组合，两个组合取公共位点作为差异甲基化特征子集所选的稳定差异位点集T-sites；基因区域特征子集经过SVM-RFE取平均准确率最高的位点组合，经过随机森林RF模型取平均最高的位点组合，两个组合取公共位点作为基因区域特征子集所选的稳定基因区域位点集G-sites；T-sites和G-sites的合集U-sites作为同时拥有差异甲基化位点和基因区域甲基化位点的特征子集作为诊断模型的输入集； 步骤4、构建Trans-CNN特征融合诊断模型，利用训练好的Trans-CNN特征融合诊断模型计算每个全基因组甲基化位点的特征重要性；根据特征重要性的得分对全基因组甲基化位点进行排序，选取ACC最高数量的位点构成最终骨关节炎诊断甲基化标志物组合，并重新训练最终的Trans-CNN诊断模型，完成对骨关节炎生物标志物筛选。

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”。

以上内容由龙图腾AI智能生成。