[发明专利]基于对比学习的单细胞数据聚类方法、装置、设备及介质

权利要求书

1.一种基于对比学习的单细胞数据聚类方法，其特征在于，所述方法包括：

通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；

通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。

2.根据权利要求1所述的方法，其特征在于，所述特征提取模块包括数据增强单元和动量编码器，所述通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征包括：

通过数据增强单元对所述待聚类单细胞数据进行两次随机数据增强，生成正视图对；

通过所述动量编码器提取所述正视图对的特征。

3.根据权利要求2所述的方法，其特征在于，所述动量编码器包括第一编码器和第二编码器，所述第一编码器与所述第二编码器结构相同，参数不同；

所述通过所述动量编码器提取所述正视图对的特征包括：

通过所述第一编码器提取所述正视图对的第一特征；

通过所述第二编码器提取所述正视图对的第二特征。

4.根据权利要求1所述的方法，其特征在于，在所述通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示之前，还包括：

构建学习行空间特征的实例级对比学习模型；和

构建学习列空间特征的集群级对比学习模型。

5.根据权利要求4所述的方法，其特征在于，所述构建学习行空间特征的实例级对比学习模型包括：

通过多层感知机将行空间的单细胞样本数据的特征映射到潜在空间中；

计算所述单细胞样本数据的特征的余弦相似度；

基于所述余弦相似度确定所述特征的对比损失，并确定实例级对比学习模型的实例级损失函数，基于所述实例级损失函数确定所述实例级对比学习模型收敛。

6.根据权利要求4所述的方法，其特征在于，所述构建学习列空间特征的集群级对比学习模型包括：

通过多层感知机将列空间的单细胞样本的数据特征映射到M维空间中；

通过余弦相似度衡量两个单细胞样本数据间的相似度；

遍历所有集群确定集群级对比学习模型的集群级损失函数，基于所述集群级损失函数确定所述集群级对比学习模型收敛。

7.根据权利要求6所述的方法，其特征在于，所述构建学习列空间特征的集群级对比学习模型，还包括：

在所述集群级损失函数中添加集群分配概率交叉熵。

8.一种基于对比学习的单细胞数据聚类装置，其特征在于，所述装置包括：

特征提取模块，用于通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征；

对比学习模块，用于通过预先构建的对比学习模型将所述特征进行对比学习，获得所述待聚类单细胞数据的高阶表示，并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。

9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上的对比学习的单细胞数据聚类程序，所述对比学习的单细胞数据聚类程序被所述处理器运行时实现如权利要求1-7中任一项所述的方法的步骤。

10.一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上存储有对比学习的单细胞数据聚类程序，所述对比学习的单细胞数据聚类程序被处理器运行时实现如权利要求1-7中任一项所述的方法的步骤。