Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 沈阳航空航天大学刘学平获国家专利权

沈阳航空航天大学刘学平获国家专利权

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!

龙图腾网获悉沈阳航空航天大学申请的专利基于图神经网络的宫颈癌近距离放射治疗分割模式预测方法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:CN119170198B

龙图腾网通过国家知识产权局官网在2026-04-28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:202411113062.3,技术领域涉及:G16H20/40;该发明授权基于图神经网络的宫颈癌近距离放射治疗分割模式预测方法是由刘学平;刘星亚;丁丝露;白石;于泽龙;龚添翼设计研发完成,并于2024-08-14向国家知识产权局提交的专利申请。

基于图神经网络的宫颈癌近距离放射治疗分割模式预测方法在说明书摘要公布了:本发明提供一种基于图神经网络的宫颈癌近距离放射治疗分割模式预测方法。该方法包括:获取宫颈癌数据集;宫颈癌数据集为包含有每个宫颈癌患者的临床就诊信息的电子病历;对宫颈癌数据集进行预处理;将预处理后的宫颈癌数据集输入至GPT2模型进行数据生成,以生成合成数据;评估合成数据的质量,并选择与预处理后的宫颈癌数据集相似度最高的合成数据;选用与预处理后的宫颈癌数据集相似度最高的合成数据作为基础数据,利用动态特征聚合图神经网络捕获宫颈癌患者的就诊特征关系,并预测出对应的治疗方案。本发明使用基于GPT2模型生成的合成数据,解决了医学数据不足的问题,并采用图神经网络的动态捕捉患者特征之间的关系的方法,更加准确、有效地预测患者的治疗方案。

本发明授权基于图神经网络的宫颈癌近距离放射治疗分割模式预测方法在权利要求书中公布了:1.一种基于图神经网络的宫颈癌近距离放射治疗分割模式预测方法,其特征在于,包括: 步骤S1:获取宫颈癌数据集;所述宫颈癌数据集为包含有每个宫颈癌患者的临床就诊信息的电子病历; 步骤S2:对所述宫颈癌数据集进行预处理; 步骤S3:将预处理后的宫颈癌数据集输入至GPT2模型进行数据生成,以生成合成数据; 步骤S4:评估所述合成数据的质量,并选择与所述预处理后的宫颈癌数据集相似度最高的合成数据; 步骤S5:选用与所述预处理后的宫颈癌数据集相似度最高的合成数据作为基础数据,利用动态特征聚合图神经网络捕获宫颈癌患者的就诊特征关系,并预测出对应的治疗方案; 所述步骤S5,具体包括: 步骤S5.1:扩展低维输入的特征维度,再使用可学习的矩阵进行非线性映射,以增强特征的表达能力;如下公式所示: 2 式2中,低维输入为所述步骤S4中预处理后的合成数据;表示扩展的维度;表示特征丰富的权重;表示激活函数;通过上述过程转换原始输入数据,促进从原始空间到特征丰富的空间的过渡;为经过步骤S5.1之后的输出数据; 步骤S5.2:引入动态调整方法来提高输入特征的特征泛化能力,以将输入灵活转换为图结构: 3 式3中,表示使用基于二维卷积的进行维度变换操作,表示使用动态调整的特征聚合,表示用于特征丰富的1×1卷积的权重;为经过步骤S5.2之后的输出数据; 对于DFL,假设两个隐藏特征标记和,其振幅为,相位为,它们的叠加可以计算如下: 4 式4中,为隐藏特征的相位;为隐藏特征相位;为按元素相乘;为隐藏特征的振幅;为隐藏特征的振幅;为两个隐藏特征的振幅聚合结果; 聚合相位项计算如下: 5 式5中,为隐藏特征和隐藏特征的相位差;为两个隐藏特征的相位聚合结果;是双参数反正切函数; 步骤S5.3:将的最后两个维度解释为节点单元维度;转置与特征相关的维度和,这会产生个节点,每个节点都以长度为的特征向量为特征;将获得的变换后的准备隐藏特征节点表示为,随后计算这些特征向量之间的相似度,并使用最近邻方法在节点之间建立连接,如下公式所示: 6 式6中,表示计算两个节点特征向量之间的欧几里得距离,用来评估节点集合中的每对节点之间的关系,确定哪些节点之间应该建立边;表示邻居节点之间的边;表示隐藏特征的图表示;表示总节点; 得到节点集及其邻居如下: 7 式7中,为表示第个子图的第i个节点;为与节点相邻的第k个邻居节点; 步骤S5.4:在步骤5.3的基础上进行特征聚合,得到公式如下: 8 式8中,Aggregate和Update分别表示图卷积网络中的聚合邻居特征和更新节点特征;表示图卷积网络之后更新的单个节点,表示图中所有节点的集合;表示子集节点串联而成的新图的节点集; 步骤S5.5:使用由一维卷积组成的全连接层来增强连接节点特征的丰富性,并利用标准残差连接来获得图卷积网络的最终输出,并预测出宫颈癌患者对应的治疗方案: 9 式9中,表示使用的全连接层的权重;为图卷积网络的最终输出。

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沈阳航空航天大学,其通讯地址为:110000 辽宁省沈阳市沈北新区道义南大街37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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。