龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明提供一种基于机器学习的胸部肿瘤放疗后放射性肺炎预测方法，包括：获取患者数据；将患者数据中非数字的特征进行数字化，并进行特征缺失值预测和冗余特征去除，得到预处理后的患者数据；将预处理后的患者数据分为训练集和测试集，训练生成改进的支持向量机模型；使用测试集计算工作特征曲线ROC曲线的曲线下面积AUC来评估模型的精度；将需要预测的患者相关数据输入验证通过模型，对放射性肺炎发生进行预测。本发明提供的方法能够结合大量医疗案例数据库，结合患者的临床信息、剂量信息、CT影像组学等多种因素，更加快速、直观地预测胸部肿瘤患者放疗后的放射性肺炎发生情况。
主权项：1.一种基于机器学习的胸部肿瘤放疗后放射性肺炎预测方法，其特征在于，包括：获取患者数据，所述患者数据包括患者肺部CT影像组学数据、患者临床数据、患者放疗计划剂量学数据；将患者数据中非数字的特征进行数字化，并进行特征缺失值预测和冗余特征去除，得到预处理后的患者数据；将预处理后的患者数据分为训练集和测试集，训练生成改进的支持向量机模型；所述训练生成改进的支持向量机模型，具体包括：训练样本集D＝{x1，y1，x2，y2，...，xm，ym，yi∈{-1，+1}；m为特征个数；引入“软间隔”，允许某些样本不满足约束yiωTxi+b≥1优化目标可以写为 s.t.yiωTxi+b≥1-εiεi≥0，i＝1,2，…，m.即为改进的支持向量机模型；模型中高斯核函数： 其中，ω和b是模型参数，C称为惩罚系数，γ宽度系数，εi为松弛变量，εi≥0；使用测试集计算工作特征曲线ROC曲线的曲线下面积AUC来评估模型的精度，若曲线下面积大于等于0.9，则验证通过，输出验证通过模型；若曲线下面积小于0.9，则重新生成支持向量机模型；将需要预测的患者相关数据输入验证通过模型，对放射性肺炎发生进行预测。
全文数据：
权利要求：
百度查询： 厦门大学附属第一医院 一种基于机器学习的胸部肿瘤放疗后放射性肺炎预测方法和系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号