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！

龙图腾网获悉武汉大学中南医院申请的专利基于肺动脉血管造影的肺动脉高压诊断及严重程度判断的预测模型、构建方法和应用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：CN119108095B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411110796.6，技术领域涉及：G16H50/20；该发明授权基于肺动脉血管造影的肺动脉高压诊断及严重程度判断的预测模型、构建方法和应用是由江红霞;程真顺;刘小平;王海洲设计研发完成，并于2024-08-14向国家知识产权局提交的专利申请。

本基于肺动脉血管造影的肺动脉高压诊断及严重程度判断的预测模型、构建方法和应用在说明书摘要公布了：本发明公开了一种基于肺动脉血管造影的肺动脉高压诊断及严重程度判断的预测模型、构建方法和应用。通过收集并分析肺动脉高压患者及对照的肺动脉血管造影及检验信息，本发明构建出了肺动脉高压诊断及严重程度判断的临床预测模型，诊断模型及严重程度判断模型均包含五个独立预测变量。上述模型构建后，通过列线图进行可视化，通过ROC曲线、DCA曲线、校准曲线等进行效能评价，通过机器学习方法进行检验，均表明本发明构建的模型具有良好性能。此外，通过对连续变量的相关性分析，本发明还构建了以平均肺动脉压为因变量的线性回归方程。本发明为肺动脉高压的无创筛查提供了新的线索依据，对扩大疾病筛查人群及早期诊断具有重要意义。

本发明授权基于肺动脉血管造影的肺动脉高压诊断及严重程度判断的预测模型、构建方法和应用在权利要求书中公布了：1.一种基于肺动脉血管造影的肺动脉高压诊断预测模型的构建方法，其特征在于：包括如下步骤： S1：收集病例组及对照组的年龄、性别、肺动脉血管造影参数信息及检验信息，以病例组及对照组的年龄、性别、肺动脉血管造影参数信息及检验信息作为变量，构建样本，得到第一样本集； S2：剔除第一样本集中缺失值过多或者含有异常数据的变量及样本，得到第二样本集； S3：通过Lasso回归在第二样本集中筛选出多个潜在的预测变量，由病例组及对照组的所有预测变量构成样本，组建第三样本集； 其中，通过Lasso回归分析共筛选出21个潜在的预测变量，分别为：右心输出量、肺动脉宽度、升主动脉宽度、右心室是否增大、右心房是否增大、中性粒细胞绝对值、二氧化碳浓度、脂蛋白水平、总胆汁酸水平、直接胆红素水平、白蛋白水平、肌酐水平、年龄、性别、磷水平、高密度脂蛋白水平、平均血小板体积、房间隔是否缺损、室间隔是否缺损、磷脂水平、钙离子水平； S4：通过二分类logistic回归在第三样本集中筛选出对结局有影响的关键变量并构建预测模型，所述结局即指是否患有肺动脉高压；所述对结局有影响的关键变量即是最终筛选出的若干独立预测变量；由病例组及对照组的所有关键变量构成样本，组建第四样本集，对第四样本集的关键变量进行统计得到模型参数，并通过列线图进行可视化； 其中，所述对结局有影响的关键变量即是最终筛选出的5个独立预测变量，分别为：白蛋白水平、升主动脉宽度、平均血小板体积、肺动脉宽度、右心室输出量； 二分类logistic回归方法得到的预测模型的公式为：患者有肺动脉高压的概率为p， logitp=-16.217-0.303×RCO+0.327×PA+0.23×Alb+0.785×PltVol-0.285×AA； 其中，logitp是逻辑函数的值；RCO为右心输出量；PA为肺动脉宽度；Alb为白蛋白水平；PltVol为平均血小板体积；AA为升主动脉内径； S5：通过受试者特征曲线、决策曲线、校准曲线评价预测模型的临床预测能力； S6：通过随机森林对模型进行验证，并通过SHAP进行具体显示； S7：通过10种机器学习方法：决策树、梯度提升树、轻量级梯度提升机LightGBM、逻辑分类器Logistic分类器、随机森林、朴素贝叶斯、分类提升CatBoost、极限梯度提升XGBoost、支持向量机及分类感知机对预测模型进行验证。

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武汉大学中南医院，其通讯地址为：430071 湖北省武汉市武昌区东湖路169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。