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！

龙图腾网获悉大连医科大学附属第一医院;大连理工大学申请的专利一种融合多源信息的冠状动脉CT成像复查时间窗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：CN121075710B 。

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：202511606855.3，技术领域涉及：G16H80/00；该发明授权一种融合多源信息的冠状动脉CT成像复查时间窗预测方法是由贾崇富;刘惠;王照谦;王苏珊;孙喜霞;徐子怡;杨志强;王浩;潘双设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本一种融合多源信息的冠状动脉CT成像复查时间窗预测方法在说明书摘要公布了：本发明公开了一种融合多源信息的冠状动脉CT成像复查时间窗预测方法，包括：收集患者多维度数据，基于多维度数据确认影像学指标，基于多维度数据整理基线临床信息以及整理患者的药物使用情况，其次归纳冠心病患者的CCTA复查时间，构建多维度数据集，对数据集进行预处理，对风险因素进行赋值量化；通过处理后的数据构建LightGBM子模型，采用Stacking方法提升最终预测结果的准确性和泛化能力，引入模型无关的局部可解释技术LIME降低损失函数；通过上述方法解决目前评估方法仅纳入了高血压和糖尿病等传统因素，忽略可直接量化并表征个体化斑块特征的影像学信息和电子病历中丰富的临床信息以及多源信息间的交互作用，使准确预测最佳CCTA复查时间窗变得困难的问题。

本发明授权一种融合多源信息的冠状动脉CT成像复查时间窗预测方法在权利要求书中公布了：1.一种融合多源信息的冠状动脉CT成像复查时间窗预测方法，其特征在于，包括： 步骤S1：收集患者多维度数据；步骤S2：根据基线CCTA影像，确定与冠状动脉斑块进展密切的影像学指标；步骤S3：整理基线临床信息；步骤S4：整理患者的药物使用情况；步骤S5：归纳冠心病患者的CCTA复查时间；分为：2年内、2年至4年、4年至6年、6年以上四种类型；根据随访CCTA和基线CCTA的时间差，分为2年内、2年至4年、4年至6年、6年四种类型；步骤S6：根据基线CCTA影像、基线临床信息、药物使用情况构建多维度数据集；步骤S7：数据集预处理；步骤S8：对风险因素进行赋值量化； 步骤S9：构建LightGBM子模型；基于基线CCTA影像、基线临床信息和药物使用情况训练三个LightGBM子模型；基于基线CCTA影像的LightGBM子模型，公式为： 其中，是输出的类别概率分布，即： 其中，分别表示该样本属于类别k的概率，是影像特征分类模型的参数，即： 其中，是学习率，默认值为0.1，取值范围设置在[0.01,0.1]之间； 是树的深度，默认值为-1，代表不限制深度，取值范围设置为[3,8]之间的一个整数； 是叶子节点的数量，默认值为31，取值范围设置为之间的一个整数；是树的个数，默认值为100，取值范围设置为[100,1000]之间的一个整数；和是正则化参数，默认设置都是0，取值范围为[0,10]； 构建基于基线临床信息的子模型，公式为： 其中，是临床信息分类模型的参数，参数的默认值、取值范围与保持一致，是输出的类别概率分布，即： 其中，分别表示该样本属于类别k的概率； 构建基于药物使用情况的子模型，公式为： 其中，是药物使用情况分类模型的参数，参数的默认值、取值范围与保持一致，是输出的类别概率分布，即： 其中，分别表示该样本属于类别k的概率； 步骤S10：提升最终预测结果的准确性和泛化能力;将三个子模型输出的类别概率拼接成一个新的输入，使用一个新的LightGBM模型作为第二层的模型，对进行训练，获得最终预测的类别概率分布根据最大概率原则选择最终的类别标签，即选择具有最高概率的类别作为模型的预测结果；S11：构建可解释模块。

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大连医科大学附属第一医院;大连理工大学，其通讯地址为：116011 辽宁省大连市西岗区中山路222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。