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！

龙图腾网获悉同济大学申请的专利一种两阶段聚类诊断和自动机器学习预测方法及系统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：CN119849660B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411911386.1，技术领域涉及：G06N20/00；该发明授权一种两阶段聚类诊断和自动机器学习预测方法及系统是由段春艳;陈世俊;王佳洁;童千倩;刘千拓设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种两阶段聚类诊断和自动机器学习预测方法及系统在说明书摘要公布了：本申请实施例提供了一种两阶段聚类诊断和自动机器学习预测方法及模型，该方法包括以下步骤：对肿瘤PET影像中的3D空间坐标和SUV进行特征赋权以实现第一阶段聚类；对肿瘤PET影像中的肿瘤区域进行体素级别的聚类分析以实现第二阶段聚类，勾画出具有不同代谢特征的肿瘤亚区域；基于两个阶段聚类勾画出的肿瘤亚区域，对整个肿瘤、不同的亚区域进行特征提取；基于提取的特征构建自动机器学习预测算法，对分类任务中的标签以及回归任务中的数值进行预测；基于KernelSHAP方法，对预测结果的特征重要性进行可解释性分析。本申请提供的方法及模型，能够精确识别肿瘤高低风险亚区域并进行预测分析，从而提升个性化放疗计划的精确度，以改善患者的临床预后。

本发明授权一种两阶段聚类诊断和自动机器学习预测方法及系统在权利要求书中公布了：1.一种两阶段聚类诊断和自动机器学习预测方法，其特征在于，包括以下步骤： 基于K-means聚类算法，对肿瘤PET影像中的3D空间坐标和SUV进行特征赋权以实现第一阶段聚类； 基于New_midK-means聚类算法，对肿瘤PET影像中的肿瘤区域进行体素级别的聚类分析以实现第二阶段聚类，勾画出具有不同代谢特征的肿瘤亚区域； 基于两个阶段聚类勾画出的肿瘤亚区域，对整个肿瘤、不同的亚区域进行特征提取； 基于提取的特征构建自动机器学习预测算法，并基于所述自动机器学习预测算法对分类任务中的标签以及回归任务中的数值进行预测，得到预测结果； 基于KernelSHAP方法，对所述预测结果的特征重要性进行可解释性分析； 基于K-means聚类算法，对肿瘤PET影像中的3D空间坐标和SUV进行特征赋权以实现第一阶段聚类，包括： 采用步进法对肿瘤PET影像中的3D空间坐标和SUV特征进行多组赋权，得到多个权重组合聚类结果； 基于K-means聚类算法，计算每个权重组合聚类结果的聚类评价指标； 基于所述聚类评价指标，对肿瘤PET影像中的3D空间坐标和SUV进行最终特征赋权； 采用步进法对肿瘤PET影像中的3D空间坐标和SUV特征进行多组赋权，得到多个权重组合聚类结果，包括： 采用步进法将肿瘤PET影像中的SUV特征的权重以0.1为步进从0.1取到1.0； 根据肿瘤PET影像中的3D空间坐标和SUV特征权重的对应关系，对肿瘤PET影像中的3D空间坐标特征进行多组赋权，得到多个权重组合聚类结果； 所述肿瘤PET影像中的3D空间坐标和SUV特征权重的对应关系为： 其中，表示肿瘤PET影像中的x坐标特征权重；表示肿瘤PET影像中的y坐标特征权重；表示肿瘤PET影像中的z坐标特征权重；表示肿瘤PET影像中的SUV特征权重； 基于New_midK-means聚类算法，对肿瘤PET影像中的肿瘤区域进行体素级别的聚类分析以实现第二阶段聚类，勾画出具有不同代谢特征的肿瘤亚区域，包括： 基于K-means聚类算法，针对放疗中期肿瘤区域聚类分析，将放疗前期SUV特征与放疗中期SUV特征融合输入进行体素级别的聚类分析，构建New_midK-means聚类算法； 基于New_midK-means聚类算法，通过步进法调试选取放疗中期SUV特征的最优权重；其中，选取时放疗中期SUV特征权重大于或等于放疗前期SUV特征权重，以避免放疗中期肿瘤区域聚类分析过程中为得到更好的重合度稳定性而忽视自身的数据聚合度。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。