基于深度学习的放射性正常组织损伤概率预测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及一种基于深度学习的放射性正常组织损伤概率预测方法及系统,属于医疗数据处理技术领域。该方法包括:获取患者的肿瘤剂量数据、基本信息以及肿瘤诊断信息;肿瘤剂量数据包括医生在患者放疗前根据患者的肿瘤诊断信息所制定;基本信息至少包括患者的年龄;基于肿瘤剂量数据,获取患者的剂量体积直方图;基于剂量体积直方图,获取患者的正常组织的体积参数和生物等效剂量;将患者的正常组织的体积参数和生物等效剂量,患者的基本信息、肿瘤诊断信息输入至基于深度学习构建的正常组织损伤概率预测模型中,得到患者的正常组织的损伤概率。相较于传统的统计学模型或经验公式,该方式的预测精度更高,能够更加准确地评估正常组织的损伤概率。
《基于深度学习的放射性正常组织损伤概率预测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024119348674,当前法律状态为已下证,由江西农业大学提出申请,发明人为欧阳会丹;曾雷;刘钰泽;刘梦梦;许晟,申请日期为2024-12-26,公开(公告)日期为2025-06-13,国际专利分类号(IPC)为 G16H 50/20 (2018.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及一种基于深度学习的放射性正常组织损伤概率预测方法及系统,属于医疗数据处理技术领域。该方法包括:获取患者的肿瘤剂量数据、基本信息以及肿瘤诊断信息;肿瘤剂量数据包括医生在患者放疗前根据患者的肿瘤诊断信息所制定;基本信息至少包括患者的年龄;基于肿瘤剂量数据,获取患者的剂量体积直方图;基于剂量体积直方图,获取患者的正常组织的体积参数和生物等效剂量;将患者的正常组织的体积参数和生物等效剂量,患者的基本信息、肿瘤诊断信息输入至基于深度学习构建的正常组织损伤概率预测模型中,得到患者的正常组织的损伤概率。相较于传统的统计学模型或经验公式,该方式的预测精度更高,能够更加准确地评估正常组织的损伤概率。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
