买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于多模态影像组学特征的卵巢癌术前精准预测系统和方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119480090B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411359897.7，技术领域涉及：G16H50/30；该发明授权基于多模态影像组学特征的卵巢癌术前精准预测系统和方法是由秦佳乐;俞静婧;田雨;牛艺臻;刘肖敏设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本基于多模态影像组学特征的卵巢癌术前精准预测系统和方法在说明书摘要公布了：本发明公开了一种基于多模态影像组学特征的卵巢癌术前精准预测系统和方法，以US图像、CT图像和MRI图像为基础，通过对这三类模态影像数据进行放射组学特征提取并组合筛选来确定匹配的分类器、预测任务以及对应的最佳特征组合，这样将多模态的放射组学特征、分类器以及不同层级的预测任务进行最佳匹配，而后利用最佳匹配实现术前精准诊断卵巢癌病理、分期及PDS效果的准确预测，这预测过程贴近临床实践诊疗思路，并针对不同诊疗分层提出最具有诊断价值的影像学检测建议。

本发明授权基于多模态影像组学特征的卵巢癌术前精准预测系统和方法在权利要求书中公布了：1.一种基于多模态影像组学特征的卵巢癌术前精准预测系统，其特征在于，包括： 数据获取及预处理模块，其用于获得卵巢癌相关的临床数据、多模态影像数据以及文本报告并进行预处理，其中，多模态影像数据包括US图像、CT图像和MRI图像； 影像数据勾画模块，其用于基于神经网络构建的分割模型分别对预处理后的多模态影像数据进行感兴趣区域自动分割并经过人工审核和细化得到多模态感兴趣区域； 特征提取及筛选模块，其用于提取多模态感兴趣区域的放射组学特征并归一化处理后，采用基于方差分析、斯皮尔曼相关性、统计检验和特征选择中的至少一种方式构建的特征筛选方案对归一化后放射组学特征进行特征筛选，得到针对每个模态选定的放射组学特征； 特征组合及分类器匹配模块，其用于基于由至少一个模态的至少一类放射组学特征形成的特征组合在分类器中关于各层级预测任务的分类效果来确定匹配的分类器、预测任务以及对应的最佳特征组合，这样将多模态的放射组学特征、分类器以及不同层级的预测任务进行最佳匹配，包括： 按照预定特征种类和数量从所有模态的放射组学特征中抽取特征形成特征组合；将每个特征组合输入至各层预测任务对应的各类分类器中进行推理预测，并通过基于预测结果计算的曲线下面积AUC、灵敏度Sens、以及特异性Spec三项指标进行特征组合的筛选去除，包括：首先剔除提取训练集上AUC、Spec、Sens三项指标均小于验证集的特征组合；然后基于设定的AUC阈值、Spec阈值、以及Sens阈值对剩余特征组合做进一步筛选去除，具体为保留验证集中均大于各阈值的特征组合，若没有满足的特征组合，则先将Spec阈值和Sens阈值减小更新后，保留验证集中同时大于更新的Spec阈值和Sens阈值的特征组合，如果没有满足的特征组合，则再将AUC阈值减小更新后，保留验证集中大于更新的AUC阈值的特征组合，重复更新阈值和保留筛选过程，直到得到同时满足大于所有阈值的特征组合为止； 从筛选去除后剩余的特征组合中筛选AUC指标最大的特征组合为最佳特征组合，并将该最佳特征组合对应的分类器和预测任务，作为与最佳特征组合匹配的最佳分类器以及预测任务； 其中各层级预测任务包括第一层按照良交恶进行分类的预测任务，第二层将恶性肿块分为上皮性卵巢癌与非上皮性卵巢癌的预测任务，第三层将上皮性卵巢癌分为早期与晚期的预测任务，第四层将晚期上皮性卵巢癌按病理组织类型分为高级别浆液性癌与非高级别浆液性癌的预测任务，第五层将晚期高级别浆液性癌分为R0与非R0的预测任务； 术前精准预测模块，其用于将临床数据和文本报告中的至少一种与最佳特征组合后，利用匹配的分类器进行对应预测任务的精准预测，得到术前精准预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。