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！

龙图腾网获悉广州医科大学附属第一医院(广州呼吸中心);广州瑞能精准医学科技有限公司申请的专利基于定量CT的慢性阻塞性肺疾病筛查模型的构建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：CN119230131B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411234750.5，技术领域涉及：G16H50/80；该发明授权基于定量CT的慢性阻塞性肺疾病筛查模型的构建方法是由卢文菊;林范杰;张子丽设计研发完成，并于2024-09-04向国家知识产权局提交的专利申请。

本基于定量CT的慢性阻塞性肺疾病筛查模型的构建方法在说明书摘要公布了：本发明提供了一种基于定量CT的慢性阻塞性肺疾病筛查模型的构建方法，包括：在研究人群中按照预设标准进行筛选，得到衍生队列和第一外部验证队列；对衍生队列的受试者进行调查问卷、肺功能检查以及胸部CT扫描分析，得到训练数据集和内部验证数据集，并对第一外部验证队列的受试者进行临床资料收集、肺功能检查以及胸部CT扫描，结合第二外部验证队列得到外部验证数据集；根据训练数据集中各个数据的类型进行单模态建模和多模态建模，并利用内部验证数据集对建模后的模型进行验证和评估，得到最优模型；利用外部验证数据集对最优模型进行性能评估。本发明能够显著提高慢性阻塞性肺疾病的早期筛查、诊断及管理水平，从而改善患者的生活质量和预后。

本发明授权基于定量CT的慢性阻塞性肺疾病筛查模型的构建方法在权利要求书中公布了：1.一种基于定量CT的慢性阻塞性肺疾病筛查模型的构建方法，其特征在于，包括： 在研究人群中按照预设标准进行筛选，得到衍生队列和第一外部验证队列； 对所述衍生队列的受试者进行调查问卷、肺功能检查以及胸部CT扫描分析，得到训练数据集和内部验证数据集，并对所述第一外部验证队列的受试者进行临床资料收集、肺功能检查以及胸部CT扫描，结合预设的第二外部验证队列得到外部验证数据集； 根据所述训练数据集中各个数据的类型进行单模态建模和多模态建模，并利用所述内部验证数据集对建模后的模型进行验证和评估，得到最优模型； 利用所述外部验证数据集对所述最优模型进行性能评估； 对所述衍生队列的受试者进行调查问卷、肺功能检查以及胸部CT扫描分析，得到训练数据集和内部验证数据集，并对所述第一外部验证队列的受试者进行临床资料收集、肺功能检查以及胸部CT扫描，结合预设的第二外部验证队列得到外部验证数据集，包括： 对所述衍生队列的受试者进行调查问卷，得到调查问卷数据；所述调查问卷的指标包括：人口学特征、人体测量信息、吸烟史、个人和家族病史、呼吸系统症状和生活与饮食模式； 通过电子病历系统采集所有所述第一外部验证队列的受试者的性别、年龄、吸烟史、肺功能检查数据和外周血嗜酸性粒细胞计数，得到临床资料数据； 通过公开数据库获取预设的第二外部验证队列的资料；第二外部验证队列的资料包括人口学特征、吸烟史、疾病史和胸部CT图像； 分别对所述衍生队列的受试者和所述第一外部验证队列的受试者均进行肺功能检查和胸部CT扫描方案，得到肺功能检查数据和胸部CT图像； 利用图像配准算法对所述胸部CT图像进行肺实质分析和气道分析，得到定量CT数据； 根据所述胸部CT图像对应的CT报告进行诊断结果的结构化处理，得到结构化征象数据；所述结构化征象数据包括：是否存在肺大疱、慢性炎症、纤维灶、钙化灶、结节、支气管扩张、结核、支气管炎和胸膜增厚； 将所述衍生队列的受试者对应的所述调查问卷数据、所述肺功能检查数据、定量CT数据和所述结构化征象数据确定为所述训练数据集和内部验证数据集； 将所述第一外部验证队列的受试者对应的所述临床资料数据、所述肺功能检查数据、定量CT数据、所述结构化征象数据和所述第二外部验证队列的资料确定为所述外部验证数据集； 所述定量CT数据包括：LAA%-950、LAA%-950左上肺、LAA%-950左下肺、LAA%-950右上肺、LAA%-950右中肺、LAA%-950右下肺、LAA%-910左下肺、LAA%-910右下肺、第一级气道管腔最大直径和第4级气道管腔平均直径； 将所述衍生队列的受试者对应的所述调查问卷数据、所述肺功能检查数据、定量CT数据和所述结构化征象数据确定为所述训练数据集和内部验证数据集，还包括： 使用caretR包的createDataPartition函数按照80%和20%的比例将由所述衍生队列的受试者对应的所述调查问卷数据、定量CT数据和所述结构化征象数据构成的数据集随机分成训练队列和内部验证队列； 将所述训练队列和所述内部验证队列的数据分别划分为计量资料和计数资料，并将所述计数资料进一步划分为二分类数据和有序多分类数据； 将所述计量资料确定为第一序列； 对于每个二分类计数资料的取值重新编码为1和2，得到第二序列； 采用融合权重编码的方式对所述有序多分类数据进行重新编码，得到第三序列； 使用missforestR包分别对训练队列和内部验证队列中所述第一序列、所述第二序列和所述第三序列进行缺失值插补，得到插补后的数据序列； 使用caretR包的nearZeroVar函数识别所述训练队列对应的插补后数据序列中零方差的特征并剔除，得到剔除后的数据序列； 使用createFolds函数将所述训练队列对应的剔除后数据序列随机拆分为多组，最终得到预处理后的训练数据集和预处理后的内部验证数据集； 所述融合权重编码的公式为：；其中，是重新编码后的最大整数值，为类别总数，为类别对目标变量的贡献权重，；其中，为类别i的事件，为类别i和目标变量Y同时发生的概率，和分别为和Y的边缘概率，为类别i的取值，y为目标变量Y的具体取值。

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广州医科大学附属第一医院(广州呼吸中心);广州瑞能精准医学科技有限公司，其通讯地址为：510182 广东省广州市越秀区东风西路195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。