公开(公告)号：CN115171905B

公开(公告)日：2023-04-07

申请号：CN202210695043.0

申请日：2022-06-20

Applicant: 复旦大学

Inventor： 张如奎 ,  刘雷 ,  朱超宇

IPC: G16H50/70 ,  G16H10/60 ,  G06F18/23213

Abstract: 本发明公开了一种基于独热编码无监督聚类的肿瘤患者相似性计算方法；该方法首先将临床数据的各个观测指标统一采用one‑hot编码，获得特征嵌入矩阵；然后对特征嵌入矩阵进行KMeans无监督聚类，生成患者相似度网络（PSN）；再基于肿瘤患者总生存期（OS）进行临床结局相关性分析，并检验评估这些不同聚类分组后病人生存曲线的统计学差异，获得临床结局高度相关的cPSN；最后对于一个待评估的目标肿瘤患者，使用KNN算法在cPSN中获取一组与目标患者最相似的患者，通过调节K值选定目标患者的范围和精细度。本发明方法能克服多模态医疗数据编码和整合困难、算法依赖医生标注的难题，构建cPSN有效地还原患者的相似性。

公开(公告)号：CN115171905A

公开(公告)日：2022-10-11

申请号：CN202210695043.0

申请日：2022-06-20

Applicant: 复旦大学

Inventor： 张如奎 ,  刘雷 ,  朱超宇

IPC: G16H50/70 ,  G16H10/60 ,  G06K9/62

Abstract: 本发明公开了一种基于独热编码无监督聚类的肿瘤患者相似性计算方法；该方法首先将临床数据的各个观测指标统一采用one‑hot编码，获得特征嵌入矩阵；然后对特征嵌入矩阵进行KMeans无监督聚类，生成患者相似度网络（PSN）；再基于肿瘤患者总生存期（OS）进行临床结局相关性分析，并检验评估这些不同聚类分组后病人生存曲线的统计学差异，获得临床结局高度相关的cPSN；最后对于一个待评估的目标肿瘤患者，使用KNN算法在cPSN中获取一组与目标患者最相似的患者，通过调节K值选定目标患者的范围和精细度。本发明方法能克服多模态医疗数据编码和整合困难、算法依赖医生标注的难题，构建cPSN有效地还原患者的相似性。