Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 首都医科大学附属北京儿童医院杨伟获国家专利权

首都医科大学附属北京儿童医院杨伟获国家专利权

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!

龙图腾网获悉首都医科大学附属北京儿童医院申请的专利一种基于AI的术后小脑缄默症自动化风险评估模型的构建方法及其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:CN120998525B

龙图腾网通过国家知识产权局官网在2026-03-31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:202511039540.5,技术领域涉及:G16H50/70;该发明授权一种基于AI的术后小脑缄默症自动化风险评估模型的构建方法及其系统是由杨伟;曹龙豪;葛明;李大为;王林西设计研发完成,并于2025-07-28向国家知识产权局提交的专利申请。

一种基于AI的术后小脑缄默症自动化风险评估模型的构建方法及其系统在说明书摘要公布了:本发明涉及医疗保健信息学技术领域,公开一种基于AI的术后小脑缄默症自动化风险评估模型的构建方法及其系统,根据MRI影像数据,结合半自动标注工具得到的肿瘤区域标签数据和人工修正的肿瘤区域标签数据,通过迭代优化,得到具有高精度和噪声鲁棒性的分割模型;利用分割模型得到高质量的肿瘤区域标签数据,再结合MRI影像数据、临床数据以及是否患有小脑缄默症的标签数据,训练模型学习患有未患有小脑缄默症的后颅窝肿瘤患者对应的临床特征和肿瘤区域特征,得到泛化能力强的小脑性缄默综合征风险评估模型,能够准确地预测CMS风险,为临床医生提供客观、量化的决策支持,有助于术前风险分层、个性化手术方案制定及术后早期干预。

本发明授权一种基于AI的术后小脑缄默症自动化风险评估模型的构建方法及其系统在权利要求书中公布了:1.一种基于AI的术后小脑缄默症自动化风险评估模型的构建方法,其特征在于,包括: 获取目标群体的MRI影像数据、临床数据以及是否患有小脑缄默症的标签数据,其中,目标群体为接受后颅窝肿瘤术后的后颅窝肿瘤患者群体; 根据目标群体的MRI影像数据,通过利用半自动标注工具得到的肿瘤区域标签数据和人工修正的肿瘤区域标签数据,训练得到分割模型,并利用分割模型得到最终的肿瘤区域标签数据; 根据目标群体的MRI影像数据、最终的肿瘤区域标签数据、临床数据以及是否患有小脑缄默症的标签数据,训练模型学习患有小脑缄默症的后颅窝肿瘤患者和未患有小脑缄默症的后颅窝肿瘤患者对应的临床数据和MRI图像上的肿瘤区域的特征,得到小脑性缄默综合征风险评估模型; 其中,所述根据目标群体的MRI影像数据,通过利用半自动标注工具得到的肿瘤区域标签数据和人工修正的肿瘤区域标签数据,训练得到分割模型,并利用分割模型得到最终的肿瘤区域标签数据,包括: 利用半自动标注工具对目标群体的MRI影像数据进行肿瘤区域勾勒,得到第一肿瘤区域标签数据; 根据目标群体的MRI影像数据和第一肿瘤区域标签数据,训练多个分割模型并从多个分割模型中筛选出符合第一预设条件的分割模型,并根据目标群体的MRI影像数据,利用符合第一预设条件的分割模型,得到第二肿瘤区域标签数据; 接收人工修正后的第二肿瘤区域标签数据; 根据目标群体的MRI影像数据和人工修正后的第二肿瘤区域标签数据,重新训练多个分割模型,并从多个分割模型中筛选出符合第二预设条件的分割模型; 根据目标群体的MRI影像数据,利用符合第二预设条件的分割模型,得到最终的肿瘤区域标签数据; 其中,多个分割模型包括以下任一项或其任意组合:nnU-Net深度学习分割模型、SegResNet深度学习分割模型、SwinUNetR深度学习分割模型、DiNTS深度学习分割模型、Auto3DSeg深度学习分割模型,第一预设条件包括在验证集上Dice系数不低于第一预设阈值,第二预设条件包括在验证集上Dice系数大于第二预设阈值,平均表面距离大于第三预设阈值。

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首都医科大学附属北京儿童医院,其通讯地址为:100045 北京市西城区南礼士路56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。

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。