-
公开(公告)号：CN117152054A
公开(公告)日：2023-12-01
申请号：CN202310769511.9
申请日：2023-06-28
Applicant: 中南大学湘雅二医院
IPC: G06T7/00 , G06T7/11 , G06F18/214 , G16H50/20 , G16H50/30
Abstract: 本发明提供一种无需纳入临床病理特征的乳癌患者淋巴结转移预测模型，包括对二维的肺部增强CT片进行三维重建后，建立腋窝淋巴结图谱，选取其中所有的腋窝淋巴结为ROI区域，且选取每个腋窝淋巴结的全部影像组学特征中的5个以上联用以区分乳腺癌是否有腋窝淋巴结转移；且使用逻辑回归机器学习预测模型构建所述乳腺癌患者腋窝淋巴结转移预测模型。本发明建立的模型可以无创地预测乳腺癌是否有腋窝淋巴结转移，该模型中未纳入患者的临床病理特征，且该模型中的图像切割并不基于乳腺肿瘤，而是基于腋窝淋巴结；本发明所述模型用于确定合适的腋窝治疗方案，从而避免不必要的腋窝手术和并发症，有助于乳腺癌更精准的手术和辅助治疗模式的开展。
-
公开(公告)号：CN116825372A
公开(公告)日：2023-09-29
申请号：CN202310776890.4
申请日：2023-06-29
Applicant: 中南大学湘雅二医院
IPC: G16H50/70 , G16H50/20 , G16H50/30 , G16H10/60 , G16H30/00 , G06T17/00 , G06T7/00 , G06T7/10 , G06N20/00
Abstract: 本发明提供一种乳癌患者淋巴结转移预测模型，所述模型包括对二维的肺部增强CT片进行三维重建后，建立腋窝淋巴结图谱，选取其中所有的腋窝淋巴结为ROI区域，且选取每个腋窝淋巴结的全部影像组学特征中的5个以上联用以区分乳腺癌是否有腋窝淋巴结转移；且使用K最近邻机器学习预测模型构建所述乳腺癌患者腋窝淋巴结转移预测模型。本发明建立的模型可以无创地预测乳腺癌是否有腋窝淋巴结转移，该模型中未纳入患者的临床病理特征，且该模型中的图像切割并不基于乳腺肿瘤，而是基于腋窝淋巴结；本发明所述模型用于确定合适的腋窝治疗方案，从而避免不必要的腋窝手术和并发症，有助于乳腺癌更精准的手术和辅助治疗模式的开展。
-
公开(公告)号：CN119517426A
公开(公告)日：2025-02-25
申请号：CN202411651465.3
申请日：2024-11-19
Applicant: 中南大学湘雅二医院
IPC: G16H50/50 , G16H50/70 , G16H30/20 , G06F18/214 , G06F18/2431 , G06N20/00
Abstract: 本发明提供一种乳腺癌腋窝淋巴结转移预测半监督模型的构建方法，属于医学建模领域。包括：S1：喂入一定的胸部增强CT样本量，其中包括部分有标签队列和部分无标签队列；S2：根据所述有标签队列的样本，创建出第一机器学习模型；S3：使用第一机器学习模型预测无标签队列中的无标签淋巴结，将其贴上伪标签，包括低风险淋巴结和高风险淋巴结；S4：使用有标签队列和伪标签为样本，创建出第二机器学习模型；S5：两两合并，创建出第三机器学习模型用于临床预测乳腺癌是否已经有腋窝淋巴结转移。本发明的模型可以无创地预测乳腺癌患者的腋窝淋巴结受累情况，有助于筛选高风险患者，确定合适的腋窝治疗方案，避免不必要的腋窝手术和并发症。
-
公开(公告)号：CN116741390A
公开(公告)日：2023-09-12
申请号：CN202310560075.4
申请日：2023-05-18
Applicant: 中南大学湘雅二医院
Abstract: 本发明提供一种乳腺癌患者腋窝淋巴结转移预测模型，包括对二维的肺部增强CT片进行三维重建后，建立腋窝淋巴结图谱，选取其中所有的腋窝淋巴结为ROI区域，且选取每个腋窝淋巴结的全部影像组学特征中的5个以上影像组学特征联用进行区分所述乳腺癌是否有腋窝淋巴结转移；且使用随机森林机器学习预测模型构建所述预测模型。本发明建立的模型可以无创地预测乳腺癌患者的腋窝淋巴结受累情况，该模型中未纳入患者的临床病理特征，且该模型中的图像切割并不基于乳腺肿瘤，而是基于腋窝淋巴结；本发明所述模型用于确定合适的腋窝治疗方案，从而避免不必要的腋窝手术和并发症，有助于乳腺癌更精准的手术和辅助治疗模式的开展。
-
-
-
Search Results
4
records
(took 0.019 seconds)
