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！

龙图腾网获悉江西省胸科医院(江西省第三人民医院)申请的专利一种耐多药结核病预后预测方法、系统、设备及存储介质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：CN120976114B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511014422.9，技术领域涉及：G06T7/00；该发明授权一种耐多药结核病预后预测方法、系统、设备及存储介质是由李杰;孔欣怡;王香花;姚琳;刘国华;吴娟;杨柳;谢伟;陈素彤;万赞燕设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本一种耐多药结核病预后预测方法、系统、设备及存储介质在说明书摘要公布了：本发明属于疾病预后预测技术领域，针对现有的耐多药结核病患者的预后监测方法具有一定局限性的问题，本发明提出了一种耐多药结核病预后预测方法，通过整合了手工制作的放射学特征和从基线、两个月和六个月的连续CT扫描中提取的深度学习衍生成像特征，并采用门控复发单元GRU网络对数据进行处理，以及结合耐多药结核病预后预测系统，对耐多药结核病患者的治疗结果进行了预测。本发明提供的预测方法能够在治疗过程的早期准确识别高危患者，为个性化治疗决策、优化干预时机和合理分配公共卫生资源提供强有力的支持。而且具有更高的敏感性和特异性，提高了耐多药结核病治疗结果预测和风险分层准确性方面的潜力。

本发明授权一种耐多药结核病预后预测方法、系统、设备及存储介质在权利要求书中公布了：1.一种耐多药结核病预后预测方法，其特征在于，包括以下步骤： S1、获取多组耐多药结核病患者的纵向CT扫描图像临床数据，并划分为训练集、内部验证集和外部验证集； S2、对训练集、内部验证集和外部验证集中每张CT扫描图像上的结核病病变区域以及肺实质区域分别进行人工标注和自动分割，得到结核病病变区域和肺实质区域；分别提取人工构建的放射组学特征和基于深度学习的放射组学特征，得到手工制作的放射组学特征和深度学习成像特征；包含以下步骤： S21、对训练集、内部验证集和外部验证集中的每张CT扫描图像上的结核病病变区域分别独立的进行两次注释； S22、对每张CT扫描图像上得到的两次注释之间的Dice相似系数进行计算，根据计算得到的Dice相似系数，确定每张CT扫描图像的结核病病变区域； S23、从得到的结核病病变区域上提取人工构建的放射组学特征，得到手工制作的放射性特征； S24、通过深度学习模型对训练集、内部验证集和外部验证集中的每张CT扫描图像上的肺实质区域进行自动分割，并将自动分割的左肺和右肺区域合并为统一区域，确定每张CT扫描图像的肺实质区域； S25、分别从得到的结核病病变区域和肺实质区域上提取基于深度学习的放射组学特征，得到深度学习成像特征； S3、通过在不同时间点之间对提取的手工制作的放射性特征与深度学习成像特征分别进行成对减法，得到手工制作的放射性增量特征以及深度学习成像增量特征，将得到的手工制作的放射组学特征和深度学习成像特征使用两层GRU网络进行处理，分别得到训练集、内部验证集和外部验证的隐藏状态向量；包含以下步骤： S31、通过在不同时间点之间对提取的手工制作的放射性特征与深度学习成像特征分别进行成对减法，得到手工制作的放射性增量特征以及深度学习成像增量特征； S32、将不同时间点提取的手工制作的放射组学特征和深度学习成像特征分别组织成时间序列，并使用两层GRU网络进行处理，分别得到训练集、内部验证集和外部验证集的隐藏状态向量； S4、通过训练集的隐藏状态向量、手工制作的放射性增量特征以及深度学习成像增量特征对构建的耐多药结核病预后预测模型进行训练，并通过内部验证集和外部验证集的隐藏状态向量、手工制作的放射性增量特征以及深度学习成像增量特征分别进行验证，得到训练好的耐多药结核病预后预测模型； S5、通过训练好的耐多药结核病预后预测模型对目标耐多药结核病患者进行耐多药结核病预后预测。

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江西省胸科医院(江西省第三人民医院)，其通讯地址为：330006 江西省南昌市叠山路346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。