东莞市人民医院;深圳大学邹玉坚获国家专利权
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!
龙图腾网获悉东莞市人民医院;深圳大学申请的专利肝细胞癌的VETC和MVI的预测模型的构建方法及预测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:CN119296772B 。
龙图腾网通过国家知识产权局官网在2025-08-01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:202411210326.7,技术领域涉及:G16H50/30;该发明授权肝细胞癌的VETC和MVI的预测模型的构建方法及预测方法是由邹玉坚;谢好妤;王劲;李梦思;李建鹏;黄炳升;李国良;黄翔;黎玉婷;杨俊设计研发完成,并于2024-08-30向国家知识产权局提交的专利申请。
本肝细胞癌的VETC和MVI的预测模型的构建方法及预测方法在说明书摘要公布了:本申请公开了一种获取训练数据集;基于所述训练数据集对初始预测模型进行训练,以得到VETC状态预测模型和MVI状态预测模型;基于所述VETC状态预测模型和MVI状态预测模型构建肝细胞癌的VETC和MVI的预测模型。本申请通过收集多种成像类型的CT图像来构建VETC状态预测模型和MVI状态预测模型,然后基于建VETC状态预测模型和MVI状态预测模型来预测VETC状态和MVI状态,这样可以结合VETC状态和MVI状态进行预后预测,能在手术切除预后及TACE治疗预后中体现出风险分层的价值。
本发明授权肝细胞癌的VETC和MVI的预测模型的构建方法及预测方法在权利要求书中公布了:1.一种肝细胞癌的VETC和MVI的预测模型的构建方法,其特征在于,所述的肝细胞癌的VETC和MVI的预测模型的构建方法具体包括: 获取训练数据集,其中,所述训练数据集包括若干训练数据,若干训练数据中的每个训练数据均包括至少两种成像类型的CT图像、肿瘤病灶掩膜、标注VETC状态以及标注MVI状态; 基于所述训练数据集对初始预测模型进行训练,以得到VETC状态预测模型和MVI状态预测模型; 基于所述VETC状态预测模型和MVI状态预测模型构建肝细胞癌的VETC和MVI的预测模型; 所述VETC状态预测模型和MVI状态预测模型采用相同的构建过程,所述构建过程具体包括: 对于每种成像类型的CT图像,基于训练数据集中的每张所述成像类型的CT图像、肿瘤病灶掩膜以及目标标注状态对初始预测模型进行训练,以得到每种成像类型对应的中间预测模型,其中,中间预测模型为单图像输入的深度学习模型,中间预测模型的数量与训练数据中所包括的CT图像的成像类型种类数量相同,中间预测模型与训练数据中所包括的CT图像的成像类型种类一一对应; 基于所述训练数据集以及每种成像类型对应的中间预测模型构建目标预测模型,其中,当目标标注状态为标注VETC状态时,目标预测模型为VETC状态预测模型,当目标标注状态为标注MVI状态时,目标预测模型为MVI状态预测模型; 所述的基于所述训练数据集以及每种成像类型对应的中间预测模型构建目标预测模型具体包括: 以模型性能为依据在各成像类型对应的中间预测模型中选取一候选预测模型,并将其他的中间预测模型作为参考预测模型; 基于所述候选预测模型和所述参考预测模型确定目标预测模型; 所述基于所述候选预测模型和所述参考预测模型确定目标预测模型具体包括: 通过候选预测模型确定其对应的成像类型的CT图像的第一特征图,以及通过各参考预测模型各自对应的成像类型的CT图像的第二特征图; 将每个参考预测模型对应的第二特征图与候选预测模型确定的第一特征图进行拼接,以得到若干拼接特征图; 分别将各拼接特征图输入候选预测模型的分类模块,以得到各拼接特征图各自对应的目标预测状态; 基于各目标预测状态和目标标注状态分别训练候选预测模型,并以模型性能为依据在经过训练的各候选预测模型中选取目标预测模型。
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东莞市人民医院;深圳大学,其通讯地址为:523059 广东省东莞市万江街道新谷涌万道路78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”。
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。