基于神经网络的细胞类型注释方法、装置、介质和设备

本发明公开了基于神经网络的细胞类型注释方法、装置、介质和设备。该方法基于特征提取器和分类器所组成的全线性神经网络模型。该模型以细胞测序数据转换成的细胞特征基因向量为输入，输出所属细胞类型的概率值数据。该模型在训练时，分训练样本和验证样本，其中训练样本是细胞类型已知的。训练模型初始化时，模型挂接注意力机制网络。损失系数由五个损失项加权计算得到：交叉熵损失值、正则化损失值、对比学习损失值、模态对齐损失值、稀疏中心损失值。相比于现有技术的方法，本发明在各种不同数据集的测试中，具有较高的准确度。