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！

龙图腾网获悉之江实验室申请的专利一种基于混合影像组学模型的卵巢肿瘤交恶性分类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：CN119888384B 。

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：202510380938.9，技术领域涉及：G06V10/764；该发明授权一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统是由刘帆;李劲松;胡佩君;田雨;周天舒;徐阳迪设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统在说明书摘要公布了：本发明公开了一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统。一方面，将Med3D网络中的骨干网络作为深度特征提取器构建目标网络，并用多模态3D磁共振影像数据对目标网络进行微调训练得到相应的卵巢肿瘤分类网络，以用于获取深度特征以及肿瘤分类结果。另一方面，提取肿瘤感兴趣区域的组学特征，并得到组学预测模型对应的肿瘤分类结果。此外，将深度特征和组学特征进行融合并通过KNN分类算法得到相应的分类结果。最后，根据以上三个分类结果的加权平均得到最终的卵巢肿瘤交恶性分类结果。本发明通过综合多种模型和算法，实现对卵巢肿瘤患者的多模态MRI影像数据进行更加全面的特征挖掘和分析，从而提高最终的卵巢肿瘤分类效果。

本发明授权一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统在权利要求书中公布了：1.一种基于混合影像组学模型的卵巢肿瘤交恶性分类系统，其特征在于，该系统具体包括： 数据获取模块，用于获取不同卵巢肿瘤患者的卵巢多模态3D磁共振影像数据，构建数据集； 肿瘤分割模块，用于对数据集的肿瘤感兴趣区域进行分割； 网络构建模块，用于用预训练好的Med3D模型中的3D-ResNet18骨干网络作为深度特征提取网络，与基于全连接层的分类器网络共同构建基于深度学习的肿瘤分类网络； 网络训练模块，用于对肿瘤感兴趣区域分割结果提取影像数据中的肿瘤部分，裁切后作为基于深度学习的肿瘤分类网络的输入，基于肿瘤分类标签数据进行训练； 特征提取模块，用于基于患者的3D磁共振影像数据和肿瘤感兴趣区域分割结果，分别提取各模态的肿瘤影像组学特征，并筛选出关键特征； 组学分类模块，用于基于机器学习算法构建组学分类模型，并利用关键特征数据和肿瘤分类标签对组学分类模型进行训练；构建组学分类模型过程中，特征选择模型和基于机器学习算法的预测模型的选择是从多个特征选择模型和二分类模型中，通过遍历法选出在验证集上分类性能最好的模型组合； 特征融合模块，用于将训练好的肿瘤分类网络中的特征提取网络的输出作为深度特征，深度特征在经过HSICLasso算法筛选后，与肿瘤影像组学特征相结合得到融合特征；基于训练数据的融合特征构建一个KNN分类模型，即把与输入病例融合特征最相似的K个病例的肿瘤分类均值作为KNN预测结果； 肿瘤分类模块，用于给定任意卵巢肿瘤患者的卵巢多模态3D磁共振影像数据，用基于深度学习的肿瘤分类网络、组学分类模型和KNN分类模型组合成混合模型分别进行处理，得到三个独立的肿瘤分类结果，通过对这三个分类结果进行加权平均计算得到混合模型的最终肿瘤分类结果。

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之江实验室，其通讯地址为：311121 浙江省杭州市余杭区中泰街道科创大道之江实验室；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”。