基于神经网络的信息预测方法、装置及电子设备与流程

本申请实施例涉及计算机领域，具体而言，涉及一种基于神经网络的信息预测方法、装置及电子设备。

背景技术：

1、目前，基因表达矩阵是生物学研究中常用的数据类型，其记录了基因在不同条件下的表达水平。通过分析基因表达矩阵，可以揭示基因间的相互作用和调控关系，从而深入了解细胞功能和疾病机制。在基因表达矩阵中，一些特定的基因扮演着关键角色，称为枢纽基因。识别关键枢纽基因对于揭示生物学系统的功能和复杂性至关重要。

2、然而，现有技术中用于预测枢纽基因的技术手段主要依赖传统的机器学习方法，并且对人工选择和优化的特征参数有较高的依赖。而这些特征参数的选择和优化过程往往需要相关人员具有专业的生物医疗知识背景。此外，人工选择特征参数是基于已有的领域知识和经验，但由于人类的认知能力和限制，无法完全洞察和理解所有的调控关系。因此，人工选择的特征参数可能无法涵盖基因调控网络中的所有重要信息，导致预测结果的不完整或不准确。

3、由此可见，相关技术中信息的预测方式，存在对枢纽基因的预测准确性较低的问题。

技术实现思路

1、本申请实施例提供了一种基于神经网络的信息预测方法、装置及电子设备，以至少解决相关技术中信息的预测方式存在对枢纽基因的预测准确性较低的问题。

2、根据本申请的一个实施例，提供了一种基于神经网络的信息预测方法，包括：使用目标主干网络对目标基因表达矩阵执行特征提取操作，得到与待预测生物过程对应的目标深度特征图，其中，所述目标主干网络是用于提取输入的基因表达矩阵的深度特征图的主干网络，所述目标基因表达矩阵用于记录一组基因序列在不同环境条件下或不同时间点的表达；基于所述目标深度特征图进行枢纽基因位置预测，得到目标位置预测结果，其中，所述目标位置预测结果用于指示所述目标深度特征图的每个位置为所述待预测生物过程的枢纽基因所在位置的预测概率；基于所述目标深度特征图进行枢纽偏差预测，得到预测偏差指示信息，其中，所述预测偏差指示信息为所述目标深度特征图的每个位置为所述待预测生物过程的枢纽基因所在位置的预测概率的概率偏差；基于所述目标深度特征图进行枢纽范围预测，得到目标范围预测结果，其中，所述目标范围预测结果是所述待预测生物过程的基因网络的预测网络范围；对所述目标位置预测结果、所述预测偏差指示信息和所述目标范围预测结果进行整合，得到目标预测结果，其中，所述目标预测结果用于指示以下至少之一：所述目标基因表达矩阵中所述待预测生物过程的枢纽基因所在的位置，所述目标基因表达矩阵中所述待预测生物过程的基因网络的网络范围，所述待预测生物过程的类型。

3、根据本申请的又一个实施例，提供了一种基于神经网络的信息预测装置，包括：提取单元，用于使用目标主干网络对目标基因表达矩阵执行特征提取操作，得到与待预测生物过程对应的目标深度特征图，其中，所述目标主干网络是用于提取输入的基因表达矩阵的深度特征图的主干网络，所述目标基因表达矩阵用于记录一组基因序列在不同环境条件下或不同时间点的表达；第一预测单元，用于基于所述目标深度特征图进行枢纽基因位置预测，得到目标位置预测结果，其中，所述目标位置预测结果用于指示所述目标深度特征图的每个位置为所述待预测生物过程的枢纽基因所在位置的预测概率；第二预测单元，用于基于所述目标深度特征图进行枢纽偏差预测，得到预测偏差指示信息，其中，所述预测偏差指示信息为所述目标深度特征图的每个位置为所述待预测生物过程的枢纽基因所在位置的预测概率的概率偏差；第三预测单元，用于基于所述目标深度特征图进行枢纽范围预测，得到目标范围预测结果，其中，所述目标范围预测结果是所述待预测生物过程的基因网络的预测网络范围；整合单元，用于对所述目标位置预测结果、所述预测偏差指示信息和所述目标范围预测结果进行整合，得到目标预测结果，其中，所述目标预测结果用于指示以下至少之一：所述目标基因表达矩阵中所述待预测生物过程的枢纽基因所在的位置，所述目标基因表达矩阵中所述待预测生物过程的基因网络的网络范围，所述待预测生物过程的类型。

4、根据本申请的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

5、根据本申请的又一个实施例，还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

6、通过本申请实施例，采用基于神经网络预测基因表达矩阵中的枢纽基因的方式，在对基因表达矩阵进行分析预测时，通过基于深度学习方法构建和训练的神经网络模型，对基因表达矩阵中的枢纽基因的位置和枢纽基因所参与的生物过程的范围进行预测，同时对预测出的枢纽基因的位置的偏差进行预测，通过整合预测出的基因表达矩阵中的枢纽基因的位置、位置偏差以及枢纽基因所参与的生物过程的范围，确定基因表达矩阵中的枢纽基因的位置、网络范围和对应的待预测生物过程的类型，可以降低对人工选择和优化特征参数的依赖，进而达到了提高信息预测的准确性的技术效果，进而解决了相关技术中信息的预测方式存在对枢纽基因的预测准确性较低的问题。

技术特征：

1.一种基于神经网络的信息预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在所述使用目标主干网络对目标基因表达矩阵执行特征提取操作之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述目标主干网络包括残差网络和特征金字塔网络，所述残差网络包括并联的一组残差块，所述一组残差块中的每个残差块包括两个卷积层和一个跳跃连接；

4.根据权利要求3所述的方法，其特征在于，所述使用所述特征金字塔网络分别对所述每个残差块输出的一组特征图进行多尺度特征提取，得到与所述每个残差块对应的多尺度特征图，包括：

5.根据权利要求4所述的方法，其特征在于，所述对调整后的所述每个当前特征图进行特征融合，得到与所述当前残差块对应的多尺度特征图，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述目标深度特征图进行枢纽基因位置预测，得到目标位置预测结果，包括：

7.根据权利要求6所述的方法，其特征在于，在所述基于所述目标深度特征图进行枢纽基因位置预测之前，所述方法还包括：

8.根据权利要求7所述的方法，其特征在于，所述采用第一损失函数确定所述位置预测模型与所述当前深度特征图对应的当前模型损失，包括：

9.根据权利要求1所述的方法，其特征在于，所述基于所述目标深度特征图进行枢纽范围预测，得到目标范围预测结果，包括：

10.根据权利要求1所述的方法，其特征在于，所述对所述目标位置预测结果、所述预测偏差指示信息和所述目标范围预测结果进行整合，得到目标预测结果，包括：

11.根据权利要求10所述的方法，其特征在于，所述按照预设数据结构对所述目标位置预测结果、所述预测偏差指示信息和所述目标范围预测结果进行整合，得到所述目标预测结果，包括：

12.根据权利要求11所述的方法，其特征在于，所述按照预设数据结构对所述目标位置预测结果、所述预测偏差指示信息和所述目标范围预测结果进行整合，得到所述目标预测结果，包括：

13.根据权利要求10所述的方法，其特征在于，所述按照预设数据结构对所述目标位置预测结果、所述预测偏差指示信息和所述目标范围预测结果进行整合，得到所述目标预测结果，包括：

14.根据权利要求1所述的方法，其特征在于，进行枢纽基因位置预测是由训练好的位置预测模型执行的，进行枢纽偏差预测是由训练好的偏差预测模型执行的，所述位置预测模型是用于对枢纽基因的基因位置进行预测的模型，所述偏差预测模型是用于对枢纽基因所在位置的预测概率的概率偏差进行预测的模型；在所述对所述目标位置预测结果和所述目标范围预测结果进行整合之前，所述方法还包括：

15.根据权利要求14所述的方法，其特征在于，所述使用所述第三深度特征图集对初始的所述位置预测模型和初始的所述偏差预测模型进行模型联合训练，得到训练好的所述位置预测模型和训练好的所述偏差预测模型，包括：

16.根据权利要求1至15中任一项所述的方法，其特征在于，在所述使用目标主干网络对目标基因表达矩阵进行特征提取之前，所述方法还包括：

17.根据权利要求16所述的方法，其特征在于，所述确定一组组织样本中的每个组织样本的基因序列信息，包括：

18.根据权利要求16所述的方法，其特征在于，所述根据所述每个组织样本的基因序列信息，对所述一组基因序列中的每个基因序列进行定量处理，得到所述每个基因序列在所述每个组织样本中的表达量，包括：

19.一种基于神经网络的信息预测装置，其特征在于，包括：

20.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至18任一项中所述的方法的步骤。

21.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1至18任一项中所述的方法的步骤。

技术总结
本申请实施例提供了一种基于神经网络的信息预测方法、装置及电子设备，该基于神经网络的信息预测方法包括：使用目标主干网络对目标基因表达矩阵执行特征提取操作，得到待预测生物过程的目标深度特征图；基于目标深度特征图进行枢纽基因位置预测，得到目标位置预测结果；基于目标深度特征图进行枢纽偏差预测，得到枢纽基因所在位置的预测概率的概率偏差的预测偏差指示信息；基于目标深度特征图进行枢纽范围预测，得到待预测生物过程的基因网络的范围的目标范围预测结果；对目标位置预测结果、预测偏差指示信息和目标范围预测结果进行整合，得到以下至少之一：目标基因表达矩阵中枢纽基因所在的位置、基因网络的网络范围，待预测生物过程的类型。

技术研发人员：童浩南,张闯
受保护的技术使用者：苏州元脑智能科技有限公司
技术研发日：
技术公布日：2024/1/16