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！

龙图腾网获悉安徽医科大学申请的专利一种应用贝伐珠单抗干预的机体卵巢癌细胞增殖或凋亡的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：CN116313048B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202310149625.3，技术领域涉及：G16H50/20；该发明授权一种应用贝伐珠单抗干预的机体卵巢癌细胞增殖或凋亡的预测方法是由黄晓雨;李平;曾心妍设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本一种应用贝伐珠单抗干预的机体卵巢癌细胞增殖或凋亡的预测方法在说明书摘要公布了：本发明涉及一种应用贝伐珠单抗干预的机体卵巢癌细胞增殖或凋亡的预测方法，与现有技术相比解决了难以对卵巢癌细胞数据干预后的增殖凋亡进行预测的缺陷。本发明包括以下步骤：机体卵巢癌细胞基础数据的获取与预处理；增殖凋亡预测模型的构建；应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡的预测。本发明基于机器学习模型，构建机体卵巢癌细胞应用贝伐珠单抗干预后的显著特征提取和预测模型，不仅可以得到影响机体卵巢癌细胞应用贝伐珠单抗干预后增殖凋亡的显著特征，还能够大大缩短分析预测所需要的时间，规避了知识局限性与人工疲劳问题，同时，基于本发明所得预测值与实际值具有较好的一致性，准确率较高。

本发明授权一种应用贝伐珠单抗干预的机体卵巢癌细胞增殖或凋亡的预测方法在权利要求书中公布了：1.一种应用贝伐珠单抗干预的机体卵巢癌细胞增殖或凋亡的预测方法，其特征在于，包括以下步骤： 11机体卵巢癌细胞基础数据的获取与预处理：获取机体卵巢癌细胞的基础数据，包括应用贝伐珠单抗干预的基础数据，提取和标记卵巢癌细胞应用贝伐珠单抗干预前后的基础数据以及卵巢癌细胞增殖凋亡与否制作为标签，对基础数据进行数据编码、数据清洗、规范化预处理操作得到处理后的数据，划分数据集； 12构建全特征回归模型： 121基于选取的数据集划分方案，基于机体卵巢癌细胞所有特征数据，建立关于影响应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡时长的全特征回归模型，模型泛化能力指标用测试集的决定系数R2衡量； 122模型训练和超参数优化； 123选择模型泛化能力最优的极端随机树回归预测模型； 13构建备选显著特征集中的特征个数k； 131根据上述极端随机树回归预测模型，得到机体卵巢癌细胞所有特征的权重，权重越大，表明相应特征的重要性越大； 132根据特征的权重，选择前k个重要的特征，作为影响应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡时长备选显著特征集； 133依据特征的权重对备选显著特征集中的特征进行降序排列，结果作为备选显著特征集的最终结果； 14构建备选显著特征集： 141基于影响应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡时长备选显著特征集，选择前i个特征，i＝1,2,3,…,k； 142基于该i个特征，建立影响应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡时长极端随机树回归预测模型，进行模型训练和超参数优化，模型泛化能力指标用测试集的决定系数R2衡量，选取泛化能力最优值作为该i个特征对于卵巢癌细胞干预后的增殖凋亡时长预测能力指标值ηi； 143对于η＝{η1,η2,…,ηk，选择其中最大的值作为ηmax，并得到对应的特征个数numbers； 144当ηmax≥0.9*γ时，或者ηmax≥0.75，则输出备选显著特征集中的前numbers个特征作为显著特征，否则，增大k值，转步骤13； 15基于14步骤提取的影响应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡时长显著特征，建立影响应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡时长预测模型，模型泛化能力指标用测试集上的决定系数R2衡量，模型选用极端随机树回归模型，基于12步骤利用全部特征提取的全特征回归预测模型的模型训练结果和超参数结果，进一步进行训练和超参数寻优，得到基于提取的显著特征的影响应用贝伐珠单抗干预的机体卵巢癌细胞增殖凋亡时长数据的预测模型，并输出贝伐珠单抗干预的机体卵巢癌细胞增殖或凋亡时长的预测结果。

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安徽医科大学，其通讯地址为：230032 安徽省合肥市蜀山区梅山路81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”。