基本信息:
- 专利标题： 基于机器学习的患者放疗后血液毒性预测方法和装置
- 申请号：CN202411006150.3 申请日：2024-07-25
- 公开(公告)号：CN119007978A 公开(公告)日：2024-11-22
- 发明人： 万觉锋 , 陈佳 , 石洁
- 申请人： 复旦大学附属肿瘤医院
- 申请人地址： 上海市徐汇区东安路270号
- 专利权人： 复旦大学附属肿瘤医院
- 当前专利权人： 复旦大学附属肿瘤医院
- 当前专利权人地址： 上海市徐汇区东安路270号
- 代理机构： 上海科盛知识产权代理有限公司
- 代理人： 夏健君
- 主分类号： G16H50/20
- IPC分类号： G16H50/20 ; G16H50/50 ; G16H50/70 ; G16H20/40 ; G16H10/40 ; G16H10/60 ; G16H30/20 ; G06F18/2135 ; G06F18/27 ; G06T7/00 ; G06T7/62 ; G06V10/26 ; G06V10/77 ; G06V10/82 ; G06N3/0455 ; G06N3/0464
摘要：
本发明涉及一种基于机器学习的患者放疗后血液毒性预测方法和装置，方法包括：收集经过放化疗治疗的患者的临床信息、血液学参数信息和CT图像，构成数据集并预处理；对CT图像进行骨盆骨腔各结构的自动分割及骨盆的自动定位，从而计算出累积剂量‑体积直方图和差分剂量‑体积直方图；基于累积剂量‑体积直方图筛选剂量学参数的关键预测因子；根据差分剂量‑体积直方图，通过机器学习的方法，对LKB‑NTCP模型进行参数拟合；以获取的关键预测因子、差分剂量‑体积直方图和血液毒性结果作为模型输入，对LKB‑NTCP模型进行迭代优化，获取最优的LKB‑NTCP模型，用于患者放疗后的血液毒性预测。与现有技术相比，本发明具有模型泛化性强、普适性好、模型鲁棒性强等优点。
IPC结构图谱:
| G | 物理 |
| --G16 | 特别适用于特定应用领域的信息通信技术 |
| ----G16H | 医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术 |
| ------G16H50/00 | 专门适用于医疗诊断，医学模拟或医疗数据挖掘的ICT；专门适用于检测、监测或建模流行病或传染病 |
| --------G16H50/20 | .用于计算机辅助诊断，例如医疗专家系统 |