CN119650072B 肿瘤疗护智能分类预测方法、系统及设备 （温州市中心医院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119650072B(45)授权公告日2025.07.04

(21)申请号202510177872.3

(22)申请日2025.02.18

(65)同一申请的已公布的文献号申请公布号CN119650072A

(43)申请公布日2025.03.18

(73)专利权人温州市中心医院

地址325000浙江省温州市鹿城区百里东

路252号

(72)发明人董事黄张苗叶晓峰张豪

林红花邱恩毅

(74)专利代理机构温州名创知识产权代理有限公司33258

专利代理师王彬根

(51)Int.CI.

G16H50/30(2018.01)

G16H50/70(2018.01)

G16B25/10(2019.01)

G16B40/00(2019.01)

G16B45/00(2019.01)

GO6F18/25(2023.01)

GO6F18/2431(2023.01)

GO6N20/20(2019.01)

GO6N3/044(2023.01)

GO6N3/0464(2023.01)

GO6N3/045(2023.01)

GO6N3/096(2023.01)

(56)对比文件

CN118538418A,2024.08.23

审查员常觐男

权利要求书3页说明书15页附图2页

(54)发明名称

肿瘤疗护智能分类预测方法、系统及设备

(57)摘要

CN119650072B本申请适用于肿瘤疗护技术领域，尤其涉及肿瘤疗护智能分类预测方法、系统及设备，该方法包括：通过获取各目标患者的肿瘤相关分子标记物检测数值及临床诊疗特征，全面整合患者的多维度医疗信息；依据分子标记物与临床特征的关联性，构建科学量化的多维度预后分层指标集，形成精准的分层评估框架；将医疗数据输入预训练的多层神经网络模型，通过跨模态特征融合技术生成高解析度的肿瘤表征图谱；基于图谱与分层指标集的动态匹配，结合随机森林模型计算分层贡献度参数及预后风险评分，完成对患者

CN119650072B

S100

S100

获取各目标患者的医疗数据

S200

依据所述肿瘤相关分子标记物检测数值及所述临床诊疗特征，构建多维度预后分层指标集

将所述医疗数据输入预训练的多层神经网络模型进行特征融合，得到肿瘤表征图谱

S400

根据所述肿瘤表征图谱和所述多维度预后分层指标集，计算各所述目标患者的分层贡献度参数及预后风险评分

S500

基于各所述目标患者的所述分层贡献度参数及所述预后风险评分，生成各所述目标患者的个性化疗护方案分类结果

S300

CN119650072B权利要求书1/3页

2

1.一种肿瘤疗护智能分类预测方法，其特征在于，包括：

获取各目标患者的医疗数据；其中，所述医疗数据包括肿瘤相关分子标记物检测数值及临床诊疗特征；

依据所述肿瘤相关分子标记物检测数值及所述临床诊疗特征，构建多维度预后分层指标集；

将所述医疗数据输入预训练的多层神经网络模型进行特征融合，得到肿瘤表征图谱，包括：对所述肿瘤相关分子标记物检测数值进行标准化处理，得到各所述目标患者的规范化分子标记数据；对所述临床诊疗特征进行特征嵌入和空值补偿，得到各所述目标患者的结构化诊疗数据；将各所述目标患者的所述规范化分子标记数据与所述结构化诊疗数据组合为联合输入张量；通过多层神经网络模型的卷积层提取所述联合输入张量的局部特征，并通过注意力机制对所述联合输入张量的所述局部特征进行加权融合，得到融合后的跨模态融合特征张量；将融合后的所述跨模态融合特征投影至二维空间，得到肿瘤表征图谱；其中，所述肿瘤表征图谱是通过深度学习模型对医疗数据进行特征融合后生成的可视化数据模型；

根据所述肿瘤表征图谱和所述多维度预后分层指标集，计算各所述目标患者的分层贡献度参数及预后风险评分；

基于各所述目标患者的所述分层贡献度参数及所述预后风险评分，生成各所述目标患者的个性化疗护方案分类结果；

其中，所述依据所述肿瘤相关分子标记物检测数值及所述临床诊疗特征，构建多维度预后分层指标集，包括：

对所述肿瘤相关分子标记物检测数值进行因子分析，得到降维后的各所述目标患者的分子特征集合；

对所述临床诊疗特征进行谱系聚类，生成各所述目标