[发明专利]肠道菌群移植配型的度量学习方法、系统、设备及介质

说明书

本发明涉及肠道菌群移植技术领域，公开了一种肠道菌群移植配型的度量学习方法、系统、设备及介质，所述方法包括：构建孪生神经网络；将供体数据和受体数据输入所述孪生神经网络进行训练，得到供体度量特征和受体度量特征；通过损失函数对所述供体度量特征和受体度量特征进行学习训练，并输出训练结果。本发明通过肠道菌群移植配型的度量学习方法、系统、设备及介质，利用孪生神经网络(Siamese Network)，对肠道菌群移植的供体和受体收据进行匹配度量学习,能够生成更加精准的匹配度量计算模型。而且使用Contrastive Loss损失函数训练匹配数据，学习出受体与供体的相似性量计算模型更加合理。

技术领域

本发明涉及肠道菌群移植技术领域，特别是涉及一种面向肠道菌群移植精准配型的度量学习方法、系统、计算机设备及可读存储介质。

背景技术

度量学习(metric learning)是从数据中学习一种度量数据对象间距离的方法。其目标是使得在学得的距离度量下，相似对象间的距离小，不相似对象间的距离大。

在进行肠道菌群移植时，需要对供体和受体的数据进行精准配型。目前是直接计算特征间的欧式距离，但是欧式距离是假定所有的特征的重要性权重是完全一致的，这显然不合理，因此需要基于有监督学习，应用度量学习方法，找出受体和共体匹配度的精准度量模型。

因此，现有技术还有待进一步提升和改进。

发明内容

本发明的目的是：利用孪生神经网络(Siamese Network)，对肠道菌群移植的供体和受体收据进行匹配度量学习，以生成更加精准的匹配度量计算模型。

为了达到上述目的，第一方面，本发明提供了一种肠道菌群移植配型的度量学习方法，所述方法包括：

构建孪生神经网络；

将供体数据和受体数据输入所述孪生神经网络进行训练，得到供体度量特征和受体度量特征；

通过损失函数对所述供体度量特征和受体度量特征进行学习训练，并输出训练结果。

进一步地，所述将供体数据和受体数据输入所述孪生神经网络进行训练，得到供体度量特征和受体度量特征的步骤包括：

所述孪生神经网络分别从所述供体数据和受体数据中提取供体数据特征和受体数据特征；

分别将所述供体数据特征和受体数据特征映射到新空间，形成在新空间表示的供体度量特征和受体度量特征。

进一步地，通过以下损失函数对所述供体度量特征和受体度量特征进行学习训练：

其中，W为网络权重，Y为成对标签，为供体度量特征，为受体度量特征，D_W为和在潜变量空间的的欧拉距离，m为预定阈值。

进一步地，如果和属于同一个类，为正样本，则Y＝0，调整D_W为最小值；如果和不同类，为负样本，则Y＝1，且若D_W小于预定阈值，则将D_W增大到所述预定阈值。

进一步地，所述将供体数据和受体数据输入所述孪生神经网络进行训练的步骤之前还包括：

对供体数据和受体数据进行标准化处理。

进一步地，所述孪生神经网络的两个神经网络均为LSTM神经网络或CNN神经网络。

第二方面，本发明实施例提供一种肠道菌群移植配型的度量学习系统，所述系统包括：

网络构建模块，用于构建孪生神经网络；

特征处理模块，用于将供体数据和受体数据输入所述孪生神经网络进行训练，得到供体度量特征和受体度量特征；