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！

龙图腾网获悉北京药云数据科技有限公司申请的专利基于多模态时序特征的癌症复发概率深度学习预测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：CN120473183B 。

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：202510940844.2，技术领域涉及：G16H50/70；该发明授权基于多模态时序特征的癌症复发概率深度学习预测系统是由吕洋设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本基于多模态时序特征的癌症复发概率深度学习预测系统在说明书摘要公布了：本发明公开了基于多模态时序特征的癌症复发概率深度学习预测系统，涉及医疗数据处理技术领域；本发明通过采集患者的临床静态数据、动态治疗数据和时序监测数据，构建多模态时序数据集；对数据进行缺失值填补和基于滑动Z‑score的异常值剔除，形成有效数据集；利用随机森林模型筛选关键临床静态特征；构建放疗累积毒性模型量化残余毒性，结合剂量变化速率三态特征生成动态特征；通过动态滑动窗口将特征转换为四维时序张量；采用随机搜索优化LSTM超参数，训练高精度预测模型输出复发概率；最终基于风险分级触发差异化临床干预，形成“预测‑决策”闭环系统，显著提升癌症复发诊疗的主动性与精准性。

本发明授权基于多模态时序特征的癌症复发概率深度学习预测系统在权利要求书中公布了：1.基于多模态时序特征的癌症复发概率深度学习预测方法，其特征在于，包括以下步骤： S1、采集患者的临床静态数据、动态治疗数据以及时序监测数据，得到患者多模态时序数据； S2、对患者多模态时序数据进行缺失处理和异常值处理，得到有效患者多模态时序数据； S3、基于随机森林模型从有效患者多模态时序数据中筛选出精选临床静态特征，得到患者精选静态特征数据； S4、计算有效患者多模态时序数据中药物治疗的累积毒性指数和剂量变化速率特征，得到患者动态特征数据；对患者精选静态特征数据与患者动态特征数据进行时序格式化操作，得到四维时序特征张量； 所述S4包括以下步骤： S41、从有效患者多模态时序数据中收集患者的用药时间数据，得到标准化给药时间序列； 设定药物衰减参数，构建放疗累积毒性模型；通过放疗累积毒性模型计算每次给药在当前时间点的残余毒性，得到各次给药的实时毒性权重； S42、基于各次给药的实时毒性权重，累加同一时间点所有有效给药的毒性权重，对联合用药场景进行毒性叠加校正，生成时间-毒性曲线，得到动态毒性累积特征曲线； 基于动态毒性累积特征曲线，对比患者实际肝肾功能检测值，调整药物衰减参数，使曲线符合临床毒性表现，并划分毒性等级，得到校准后的临床可用毒性曲线； S43、从有效患者多模态时序数据中提取患者放疗剂量时序记录，按治疗时间顺序排列剂量数据，形成时间序列；校验数据连续性，得到标准化剂量时间序列； 采用相邻时段变化量计算标准化剂量时间序列中每个剂量之间的差值；设定剂量增加为正值、剂量减少为负值，得到剂量变化量序列； S44、设定变化量阈值；基于剂量变化量序列和变化量阈值，将变化量转换为治疗强度调整标志，并生成三态特征值，得到剂量变化速率特征向量； S45、将患者精选静态特征数据、校准后的临床可用毒性曲线以及剂量变化速率特征向量，按照时间点对齐所有特征数据，得到原始时序特征矩阵； 采用动态滑动窗口法对原始特征矩阵进行窗口切片与填充操作，得到四维时序特征张量； S5、构建LSTM模型；基于带标签的历史四维时序特征张量数据结合随机搜索算法训练LSTM模型，得到LSTM癌症复发预测模型； 将四维时序特征张量输入至LSTM癌症复发预测模型，得到预测患者癌症复发概率； S6、设定复发概率治疗规则；基于复发概率治疗规则、预测患者复发概率，对癌症患者进行治疗。

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北京药云数据科技有限公司，其通讯地址为：100000 北京市大兴区北京经济技术开发区科创六街2号院8号楼12层107；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。