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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利基于临床数据和影像组学特征的食管瘘风险预测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：CN119132621B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411249157.8，技术领域涉及：G16H50/50；该发明授权基于临床数据和影像组学特征的食管瘘风险预测方法是由王宏志;程旭;张雨欣;赵国平;李雪玲设计研发完成，并于2024-09-06向国家知识产权局提交的专利申请。

本基于临床数据和影像组学特征的食管瘘风险预测方法在说明书摘要公布了：本发明公开了基于临床数据和影像组学特征的食管瘘风险预测方法，涉及医学人工智能技术领域，本发明结合深度学习与传统影像组学方法，通过多种图像处理技术提取丰富的影像组学特征，并通过多阶段的特征选择策略确保了模型的泛化能力和鲁棒性，开发多个基于不同特征组合的预测模型，包括临床特征模型、手动制作影像组学模型、深度学习影像组学模型、临床‑深度学习影像组学模型以及临床‑手动制作影像组学模型，通过交叉验证和模型优化，确保每个模型在临床预测中的高效性，对模型的性能进行全面比较，选择最适合临床应用的预测模型，进一步提高预测的准确性和可靠性，本发明提高了食管癌患者在接受放疗或放化疗后食管瘘风险预测的准确性，为食管癌患者的治疗决策提供了有力依据，并具有广泛的临床应用前景。

本发明授权基于临床数据和影像组学特征的食管瘘风险预测方法在权利要求书中公布了：1.基于临床数据和影像组学特征的食管瘘风险预测方法，其特征在于，包括以下步骤： S1，数据采集，包括临床数据和影像数据的采集； S2，对影像数据即CT图像进行图像分割和预处理，分割出食管癌肿瘤区域，以及将CT图像的体素大小标准化； S3，对预处理后的影像数据和临床数据进行特征提取；其中，对影像数据的特征提取包括利用深度学习模型提取的深度学习影像组学特征和影像组学特征提取器提取的手动制作影像组学特征； S4，对临床特征、深度学习影像组学特征、手动制作影像组学特征进行特征选择，并对所选择出的临床特征、深度学习影像组学特征、手动制作影像组学特征进行组合，得到由临床特征构成的第一样本集、由深度学习影像组学特征构成的第三样本集、由手动制作影像组学特征构成的第二样本集、由临床特征和深度学习影像组学特征构成的第四样本集、由临床特征和手动制作影像组学特征构成的第五样本集； S5，分别构建五个预测模型，分别利用五个样本集对五个预测模型进行训练，用于食管瘘风险预测，得到由第一样本集训练生成的临床模型、由第二样本集训练生成的深度学习影像组学模型、由第三样本集训练生成的手动制作影像组学模型、由第四样本集训练生成的临床-深度学习影像组学模型、由第五样本集训练生成的临床-手动制作影像组学模型； S6，对五个预测模型进行性能评价，选择性能最好的预测模型作为最终的食管瘘风险预测模型，利用最终的食管瘘风险预测模型进行食管瘘风险预测； 步骤S4中，采用三阶段的特征选择方法进行特征选择，具体如下所示： S41，采用统计分析方法筛选出具有显著性的特征，统计分析方法包括Shapiro-Wilk检验、Student'st检验、Mann-WhitneyU检验、卡方检验和Fisher精确检验； S42，使用LASSO方法进一步筛选出符合标准化要求的特征； S43，通过递归特征消除方法逐步移除影响最小的特征。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山区蜀山湖路350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。