[发明专利]利用人工智能AI模型组分析多类数据的方法及装置

权利要求书

1.一种利用AI模型组分析多类数据的方法，其特征在于，所述AI模型组包括多个第一AI模型和第二AI模型，其中，所述多个第一AI模型中的每个第一AI模型对应所述多类数据中的一类数据，所述方法包括：

获取所述多类数据，所述多类数据中的每一类数据表示影响目标事件的结果的一方面因素；

输入所述多类数据中的每一类数据至对应的第一AI模型，根据每个第一AI模型的目标隐含层获得对应一类数据的目标隐含层特征；

根据多个目标隐含层特征生成融合特征；

输入所述融合特征至所述第二AI模型，根据所述第二AI模型对所述融合特征进行分析，输出预测值，所述预测值指示根据所述多类数据对所述目标事件进行预测的结果。

2.如权利要求1所述的方法，其特征在于，在输入所述多类数据中的每一类数据至对应的第一AI模型之前，所述方法还包括：

获取多类样本数据；

根据所述多类样本数据确定所述多个第一AI模型，每个第一AI模型为由所述多类样本数据中的一类样本数据训练得到的AI模型；

根据所述多类样本数据和所述多个第一AI模型确定所述第二AI模型，所述第二AI模型为由所述多类样本数据对应的融合样本特征训练得到的AI模型，所述融合样本特征根据所述多个第一AI模型的目标隐含层特征得到。

3.如权利要求1或2所述的方法，其特征在于，每个第一AI模型包括输入层、输出层、一个或多个隐含层，第一AI模型的目标隐含层为所述第一AI模型中一个或多个隐含层中的一个。

4.如权利要求1-3任一项所述的方法，其特征在于，

所述多类数据包括细胞系的以下数据中的两个或多个：基因突变数据、基因表达数据、脱氧核糖核酸DNA甲基化数据、拷贝数变异数据、微核糖核酸microRNA表达数据、组蛋白修饰数据、基因融合数据、染色体异构数据和代谢物表达数据；

所述目标事件包括以下事件中的任意一种：预测所述细胞系对药物的敏感程度、预测所述细胞系的基因干扰敏感程度、预测对所述细胞系对应的病人分型的生物标志物。

5.如权利要求2所述的方法，其特征在于，所述根据所述多类样本数据确定所述多个第一AI模型，具体包括：

确定每一类样本数据对应的多个第一备选AI模型，每一类样本数据包括训练样本数据和验证样本数据；

利用每一类样本数据中的训练样本数据，分别对对应的多个第一备选AI模型进行训练，获得每一类训练样本数据对应的多个训练完成的第一备选AI模型；

根据每一类样本数据中的验证样本数据，获得对应的多个训练完成的第一备选AI模型的性能参数，所述性能参数指示训练完成的第一备选AI模型对所述目标事件进行预测的结果的准确度；

在每一类训练样本数据对应的多个训练完成的第一备选AI模型中，将性能参数所指示的准确度最高的第一备选AI模型，确定为根据对应一类样本数据确定的第一AI模型。

6.如权利要求2或5所述的方法，其特征在于，所述根据所述多类样本数据和所述多个第一AI模型确定所述第二AI模型，具体包括：

输入所述多类样本数据中的每一类训练样本数据至对应的第一AI模型，根据每个第一AI模型的目标隐含层获得对应一类训练样本数据的目标隐含层训练特征；

根据多个目标隐含层训练特征生成融合训练特征；

利用所述融合训练特征，分别对多个第二备选AI模型进行训练，获得多个训练完成的第二备选AI模型；

输入所述多类样本数据中的每一类验证样本数据至对应的第一AI模型，根据每个第一AI模型的目标隐含层获得对应一类验证样本数据的目标隐含层验证特征；

根据多个目标隐含层验证特征生成融合验证特征；

根据所述融合验证特征，分别获得所述多个训练完成的第二备选AI模型的性能参数，所述性能参数指示训练完成的第二备选AI模型对所述目标事件进行预测的结果的准确度；

在所述多个训练完成的第二备选AI模型中，将性能参数所指示的准确度最高的第二备选AI模型确定为所述第二AI模型。