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多实例学习的肿瘤放疗反应预测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：CN119723203B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411904818.6，技术领域涉及：G06V10/764；该发明授权一种基于多实例学习的肿瘤放疗反应预测方法及系统是由段春艳;周涵;王佳洁;刘千拓设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于多实例学习的肿瘤放疗反应预测方法及系统在说明书摘要公布了：本申请实施例提供了一种基于多实例学习的肿瘤放疗反应预测方法及系统，该方法包括：构建放疗影像数据集；从放疗影像数据集中提取多维特征并进行组合拼接，得到多维特征的嵌入表示；多维特征包括二维卷积特征和三维卷积特征；构建基于Transformer的多实例学习模型；以多维特征的嵌入表示为模型输入，对多实例学习模型进行迭代训练，得到训练完成的多实例学习模型；使用训练完成的多实例学习模型预测患者放疗中期反应，并结合可解释分析对模型预测过程进行分析评估，对患者肿瘤区域的预测结果进行模型评估。本申请提供的方法，能够预测肿瘤放疗后的反应情况，进而智能辅助医生针对患者实施精准放疗决策，降低患者预后风险与危害。

本发明授权一种基于多实例学习的肿瘤放疗反应预测方法及系统在权利要求书中公布了：1.一种基于多实例学习的肿瘤放疗反应预测方法，其特征在于，包括以下步骤： 构建放疗影像数据集；所述放疗影像数据集包括患者放疗前期影像数据、放疗中期影像数据和放疗剂量设定数据； 从所述放疗影像数据集中提取多维特征并进行组合拼接，得到多维特征的嵌入表示；所述多维特征包括二维卷积特征和三维卷积特征； 构建基于Transformer的多实例学习模型； 以多维特征的嵌入表示为模型输入，对所述多实例学习模型进行迭代训练，得到训练完成的多实例学习模型； 使用训练完成的多实例学习模型预测患者放疗中期反应，并结合可解释分析对模型预测过程进行分析评估，对患者肿瘤区域的预测结果进行模型评估； 从所述放疗影像数据集中提取多维特征并进行组合拼接，包括： 通过二维卷积神经网络与三维卷积神经网络，从所述放疗影像数据集中同时提取图像的二维卷积特征和三维卷积特征； 采用组合方法将二维卷积特征和三维卷积特征进行特征拼接，得到多维特征的嵌入表示，用于后续网络预测的输入； 提取多维特征的过程，包括：通过多个卷积层配备激活函数，分别构建二维卷积神经网络架构和三维卷积神经网络架构； 其中，二维卷积神经网络的输入数据形状为的二维格式，B代表包的数量，即患者的数量，N代表单个患者的切片数，C为切片的通道数，H和W分别为切片的高度和宽度； 三维卷积神经网络的输入数据形状为的三维格式，其中深度D与切片数N相等，H和W分别为切片的高度和宽度；使用三维卷积核对输入的三维数据进行三维卷积操作，在三个维度上移动，能够捕捉体积数据中的空间关系，提取空间特征；所述三维卷积操作的表达式为： 其中，表示第l+1层的输入特征图中位置为的元素，表示第l层的卷积核中位置为的权重，是偏置项，分别是卷积核在三个维度上的大小； 构建基于Transformer的多实例学习模型，包括： 构建Transformer的多实例学习网络架构，所述网络架构包括多头自注意力层、卷积层和全连接层； 在基于Transformer的多实例学习模型中，使用多头注意力模块结合前馈网络，对处理序列的所有元素的位置表示进行计算加工，其中，cls_token被添加到输入特征序列进入前向传播过程，且cls_token被特别设计为输入序列的首个元素；用于捕捉并代表整个输入序列的全局信息； 使用训练完成的多实例学习模型预测患者放疗中期反应，并结合可解释分析对模型预测过程进行分析评估，包括： 记录由Transformer的注意力机制生成的注意力权重分数，为模型的预测过程建立可解释性分析，保证模型在为医学应用场景下提供一定的医学解释性依据。

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。