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基于规则学习的肿瘤放疗反应预测系统及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：CN119964825B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202311486902.6，技术领域涉及：G16H50/70；该发明授权一种基于规则学习的肿瘤放疗反应预测系统及方法是由段春艳;刘千拓;王佳洁设计研发完成，并于2023-11-09向国家知识产权局提交的专利申请。

本一种基于规则学习的肿瘤放疗反应预测系统及方法在说明书摘要公布了：本发明公开了一种基于规则学习的肿瘤放疗反应预测系统及方法，预测方法包括数据及图像采集、肿瘤风险区域分层、医疗特征提取、规则学习预测模型构建等步骤；首先根据从训练集中患者的FDGPETCT图像中提取的特征数据构建随机森林并生成规则；其次采用灰狼优化器GWO算法进行规则剪枝，选取较好的规则；最后进行规则拟合，训练线性模型对测试集中病人的放疗反应进行预测；所构建的预测模型可以计算模型中每个规则的支持度和重要性，从而提供模型的临床可解释性；本发明提供的模型具有较好的预测性能，可解释的放疗反应预测，进而能够更好地辅助医生对肺癌患者的放疗临床决策支持。

本发明授权一种基于规则学习的肿瘤放疗反应预测系统及方法在权利要求书中公布了：1.一种基于规则学习的肿瘤放疗反应预测方法，其特征在于，包括以下步骤： 步骤S1、图像数据采集和肿瘤风险分层：采集原始数据集中患者治疗前期PETpre和治疗中期PETmid的FDGPETCT图像数据；FDGPETCT图像数据包括但不限于肿瘤体素的3D空间坐标、肿瘤体素的标准摄取值；使用K-means聚类算法将患者的肿瘤体素进行聚类，划分肿瘤风险区； 步骤S2、放射组学特征提取：从患者PETpre和PETmid的FDGPETCT图像数据中提取特征数据，包括多个放射组学特征，以表征响应于治疗辐射剂量的肿瘤代谢活性；用患者放疗前后肿瘤标准摄取值SUV的变化来衡量放疗反应，包括用于判断放疗是否生效的FDGPETCT放疗中期二元反应类和用于衡量放疗效果的FDGPETCT放疗中期反应变化度量值ΔSUVmean； 步骤S3、构建随机森林模型，生成规则：根据训练集构建随机森林，并从该随机森林中提取初始规则集； 步骤S4、使用启发式算法进行规则修剪：使用GWO对初始规则集进行规则修剪，筛选出最优的规则用于预测； 步骤S5、规则拟合，预测放疗反应：使用RuleFit算法拟合修剪后的规则集；每个规则都被视为一个基本学习器，基于规则集构建集成学习模型；在该模型中，根据每个输入样本是否匹配规则，将其转换为0-1分类结果；由每个样本对应于每条规则的0-1分类结果与原始特征变量组成的0-1矩阵，作为模型输入的训练集的新特征变量；针对不同的预测需求，使用LASSO线性模型将由单个规则变换而来的基础学习器进行线性组合；采用LASSO逻辑回归模型进行分类任务，采用LASSO回归模型进行回归任务；分类预测中，以FDGPETCT放疗中期二元反应类作为规则的输出，即预测目标；回归预测中以ΔSUVmean作为预测目标；从而构建具备可解释性的机器学习模型进行放疗反应预测； 所述步骤S4中，为从所选规则集中筛选出合适数量的规则，采用评估函数对所选规则集进行评估： ， 其中，对于每个规则集中的每个规则，表示计算训练样本中符合该规则的样本数，表示训练样本中不符合该规则的样本数；对于每个规则集，表示该规则集中各条规则的之和，表示该规则集中各条规则的之和；表示每条规则在初始规则集中被包含的次数之和多个树分类器可能使用同一条规则，表示随机森林中树分类器的总数；和为设定的常数，为保持分母不为零，取4，n用于控制两部分的权重，取10； 基于所述评估函数，使用GWO灰狼优化算法迭代选择较好的规则，从而完成规则集的修剪。

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。