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！

龙图腾网获悉华中科技大学同济医学院附属协和医院申请的专利基于可解释性机器模型的胰腺癌早期复发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：CN120544911B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202511037589.7，技术领域涉及：G16H50/30；该发明授权基于可解释性机器模型的胰腺癌早期复发预测方法及系统是由吴林霞;陈磊;郑传胜;韩萍;赵煌旋;吴绯红;聂彤;植晓玲设计研发完成，并于2025-07-28向国家知识产权局提交的专利申请。

本基于可解释性机器模型的胰腺癌早期复发预测方法及系统在说明书摘要公布了：本发明涉及医学影像组学技术领域，具体涉及基于可解释性机器模型的胰腺癌早期复发预测方法及系统，包括以下步骤：在CT影像中提取出肿瘤内外影像组学特征；在身体成分参数和临床病理数据中进行单因素分析以及多变量逻辑回归分析得到临床特征；通过六种机器学习算法基于肿瘤内外影像组学特征构建出六组分类器模型，并根据模型性能比对，得到影像组学模型；将临床特征与影像组学模型构建临床‑影像组学联合模型，并对临床‑影像组学联合模型进行可解释性SHAP分析。本发明将瘤内‑瘤周CT影像组学特征与身体成分参数结合，构建用于预测PDAC切除后的早期复发风险的机器学习模型，并纳入可解释性SHAP分析，增强机器学习模型决策过程的透明度。

本发明授权基于可解释性机器模型的胰腺癌早期复发预测方法及系统在权利要求书中公布了：1.一种基于可解释性机器模型的胰腺癌早期复发预测方法，其特征在于，包括以下步骤： 获取病例的CT影像数据，临床病理数据以及术后随访数据； 在CT影像中分割肿瘤内及肿瘤周围区域，确定出感兴趣区域VOIs，并在所述感兴趣区域VOIs中提取出肿瘤内外影像组学特征； 在CT影像中对体成分进行定量分析得到身体成分参数，在身体成分参数和临床病理数据中进行单因素分析以及多变量逻辑回归分析得到临床特征； 通过六种机器学习算法基于肿瘤内外影像组学特征和术后随访数据构建出六组分类器模型，并根据六组分类器模型的性能比对，得到影像组学模型； 将临床特征与影像组学模型构建出用于胰腺癌早期复发预测的临床-影像组学联合模型，并对临床-影像组学联合模型进行可解释性SHAP分析； 在CT影像中分割肿瘤内及肿瘤周围区域的方法包括： 通过特征提取网络和区域建议网络，在所述CT影像中标记出胰腺肿瘤分割候选区域； 使用预建立的神经网络模型在CT影像中所述胰腺肿瘤分割候选区域内分割出肿瘤感兴趣区域以及肿瘤周围感兴趣区域； 其中，特征提取网络的构建方法包括： 利用全局特征提取网络结构对CT影像进行全局特征提取，获取影像全局特征； 利用局部特征提取网络结构对CT影像进行局部特征提取，获取影像局部特征； 将全局特征提取网络结构和局部特征提取网络结构均作为教师模型，引导轻量型MobileNet网络训练，并将训练完成后的MobileNet网络作为特征提取网络； 特征提取网络的网络结构为： ； 式中，为影像特征，为MobileNet网络，为CT影像； 区域建议网络的结构为： ； 式中，为胰腺肿瘤分割候选区域，为影像特征，为区域建议网络； 全局特征提取网络结构的全局特征提取方法包括： 将CT影像依次通过3×3的卷积层，全局平均池化层，1×1的卷积层，归一化层，ReLU激活函数，1×1的卷积层以及归一化层，得到全局特征提取方法； 全局特征提取网络结构的结构式为： ； 式中，为全局特征提取方法，为CT影像，为3×3的卷积层，为1×1的卷积层，GAP为全局平均池化，BN为归一化层，为ReLU激活函数； 局部特征提取网络结构的局部特征提取方法包括： 将CT影像依次通过3×3的卷积层，1×1的卷积层，归一化层，ReLU激活函数，1×1的卷积层以及归一化层，得到局部特征提取方法； 局部特征提取网络结构的结构式为： ； 式中，为局部特征提取方法，为CT影像，为3×3的卷积层，为1×1的卷积，BN为归一化层，为ReLU激活函数； 将全局特征提取网络结构和局部特征提取网络结构均作为教师模型，引导轻量型MobileNet网络训练的方法包括： 将全局特征提取网络结构作为第一教师模型，引导轻量型MobileNet网络训练，并将训练完成的MobileNet网络作为第一训练模型； 将局部特征提取网络结构作为第二教师模型，引导第一训练模型训练，并将训练完成的第一训练模型作为特征提取网络； 引导MobileNet网络训练的损失函数为： 引导第一训练模型训练的损失函数为： 式中，为引导MobileNet网络训练的损失，为引导第一训练模型训练的损失，为区域建议网络根据全局特征提取网络结构输出的全局特征得到的胰腺肿瘤分割候选区域，为区域建议网络根据MobileNet网络输出的影像特征得到胰腺肿瘤分割候选区域，为区域建议网络根据局部特征提取网络结构输出的局部特征得到的胰腺肿瘤分割候选区域，为区域建议网络根据第一训练模型输出的影像特征得到胰腺肿瘤分割候选区域，为胰腺肿瘤分割候选区域的真值，、均为超参数，通常设置为1，为2范数式； 在CT影像中所述胰腺肿瘤分割候选区域内分割出肿瘤感兴趣区域以及肿瘤周围感兴趣区域的神经网络模型的结构包括： 第一组Unet网络结构的分割式为：maskA,maskB=Unet1GCT-Box； 第二组Unet网络结构的分割式为： maskA_fixed=AddUnet2ConcatmaskA,GCT-Box,maskA； 第三组Unet网络结构的分割式为： maskB_fixed=AddUnet3ConcatmaskB,GCT-Box,maskB； 式中，maskA为第一组Unet网络结构分割出的肿瘤感兴趣区域，maskB为第一组Unet网络结构分割出的肿瘤周围感兴趣区域，GCT-Box为胰腺肿瘤分割候选区域内的CT影像，Unet1为第一组Unet网络结构，maskA_fixed为第二组Unet网络结构修正后的maskA，Unet2为第二组Unet网络结构，maskB_fixed为第三组Unet网络结构修正后的maskB，Unet3为第三组Unet网络结构，Concat为通道维度的合并运算符，Add为特征维度的合并运算符； 损失函数为：； ； ； ； 式中，为总损失，为肿瘤感兴趣区域的分割损失，为肿瘤周围感兴趣区域的分割损失，为肿瘤感兴趣区域和肿瘤周围感兴趣区域的重建损失，为超参数，通常设置为1，为胰腺肿瘤分割候选区域内的CT影像中肿瘤感兴趣区域单独分割的金标准，为胰腺肿瘤分割候选区域内的CT影像中肿瘤周围感兴趣区域单独分割的金标准，为胰腺肿瘤分割候选区域，MSE为均方误差运算符。

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华中科技大学同济医学院附属协和医院，其通讯地址为：430000 湖北省武汉市解放大道1277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。