Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 四川省肿瘤医院周华丽获国家专利权

四川省肿瘤医院周华丽获国家专利权

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!

龙图腾网获悉四川省肿瘤医院申请的专利人工智能驱动的胃窦癌新辅助治疗方案优化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:CN120853802B

龙图腾网通过国家知识产权局官网在2025-12-05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:202511326729.2,技术领域涉及:G16H20/10;该发明授权人工智能驱动的胃窦癌新辅助治疗方案优化方法及系统是由周华丽;邱清宇;罗东东;肖硕萌;陈小东;赵平;周祥;丁志;保蓉;邱礼平;张玉涵;邱蕾;刘文炼;王倩;吴玲玲;张高敏;谯晓清;任怡华设计研发完成,并于2025-09-17向国家知识产权局提交的专利申请。

人工智能驱动的胃窦癌新辅助治疗方案优化方法及系统在说明书摘要公布了:本发明涉及医疗决策及人工智能技术领域,公开人工智能驱动的胃窦癌新辅助治疗方案优化方法及系统,包括:S1:获取胃窦癌患者的临床数据并进行预处理;S2:采用迭代ReliefF算法筛选核心特征并构建复合特征;S3:基于贝叶斯优化的K最近邻算法构建预测模型,并将复合特征作为预测模型的输入以预测治疗响应,输出患者个体化的肿瘤退缩等级概率分布;S4:将肿瘤退缩等级概率分布作为状态空间的核心组件,输入到基于惩罚机制的双层强化学习框架中以优化治疗决策,输出个性化治疗策略参数集合;S5:对策略参数集合中的药物剂量参数进行实时扫描和校验,输出最终核准的个性化治疗方案。本发明提升了胃窦癌治疗的精准化与智能化水平。

本发明授权人工智能驱动的胃窦癌新辅助治疗方案优化方法及系统在权利要求书中公布了:1.一种人工智能驱动的胃窦癌新辅助治疗方案优化方法,其特征在于,包括以下步骤: S1:获取胃窦癌患者的临床数据并进行预处理,所述临床数据包括基本信息、诊断数据、治疗数据和随访数据; 所述预处理包括:对缺失值采用多重插补法处理,对异常值结合临床参考范围进行修正,对分类数据进行编码,对数值数据进行标准化; S2:采用迭代ReliefF算法筛选核心特征并构建复合特征,所述复合特征包括累积药物暴露特征、术后恢复风险特征、综合炎症指标和病灶复杂性特征; 所述采用迭代ReliefF算法筛选核心特征,包括:所述迭代ReliefF算法引入动态权重更新机制,基于曼哈顿距离迭代修正特征权重,通过比较同类有效样本与异类无效样本的特征距离差异,循环调整特征权重以筛选与疗效或不良反应相关的判别性特征;其中,所述迭代ReliefF算法引入动态权重更新机制,基于曼哈顿距离迭代修正特征权重具体的执行过程包括:计算当前样本与同类疗效样本的特征距离作为正相关权重增量;计算当前样本与异类疗效样本的特征距离作为负相关权重减量;通过多轮迭代收敛获得最终特征权重排序; S3:基于贝叶斯优化的K最近邻算法构建预测模型,并将所述复合特征作为预测模型的输入以预测治疗响应,输出患者个体化的肿瘤退缩等级概率分布; 所述贝叶斯优化的K最近邻算法构建的预测模型的构建过程包括:通过高斯过程模型和期望改进策略优化KNN超参数,具体包括: 定义超参数搜索空间,包括邻居数K的取值范围和距离度量方式; 初始化阶段,随机选取N0组超参数组合训练初始KNN模型,基于验证集疗效-安全性综合评分拟合高斯过程模型; 迭代优化阶段,采用期望改进函数迭代选择超参数,包括:基于期望改进函数值选择当前潜在最优超参数组合,基于所述当前潜在最优超参数组合训练KNN模型并评估在验证集上的误差,更新高斯过程模型,直至满足终止条件; 输出阶段,选择历史最优参数构建最终的预测模型,并且计算患者的肿瘤退缩等级概率分布,通过加权统计邻居样本的疗效分布,作为当前患者治疗响应概率预测值; S4:将所述肿瘤退缩等级概率分布作为状态空间的核心组件,输入到基于惩罚机制的双层强化学习框架中以优化治疗决策,输出个性化治疗策略参数集合,该集合包括推荐的化疗药物剂量、治疗周期时长、手术时机建议,包括: 将概率分布向量作为状态空间的强制输入组件; 建立双层马尔可夫决策框架,其中,上层设定综合疗效目标函数,优化治疗策略元参数;下层构建包含TRG概率分布的状态空间,模拟患者生理状态转移; 通过策略次优性惩罚机制将双层优化转化为单层问题; 结合临床安全约束条件迭代更新治疗策略参数,生成个性化治疗策略参数集合; 其中,所述双层强化学习框架的构建方式为: 将治疗策略参数作为上层优化变量,个体适应性参数作为下层优化变量; 下层马尔可夫决策过程包含由肿瘤指标构成的状态空间、由治疗操作构成的动作空间、由疗效指标构成的奖励函数; 通过值函数差异或贝尔曼误差构造策略次优性惩罚项; S5:对所述个性化治疗策略参数集合中的药物剂量参数进行实时扫描和校验,输出最终核准的可安全执行的个性化治疗方案。

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四川省肿瘤医院,其通讯地址为:610041 四川省成都市武侯区人民南路四段55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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。