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！

龙图腾网获悉同济大学申请的专利基于Kd-Net的肿瘤放疗反应预测方法及模型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：CN118552765B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202410544432.2，技术领域涉及：G06V10/764；该发明授权基于Kd-Net的肿瘤放疗反应预测方法及模型是由段春艳;陈世俊;刘千拓设计研发完成，并于2024-05-06向国家知识产权局提交的专利申请。

本基于Kd-Net的肿瘤放疗反应预测方法及模型在说明书摘要公布了：本申请实施例提供了一种基于Kd‑Net的肿瘤放疗反应预测方法及模型，该方法包括以下步骤：提取肿瘤特征融合形成点云，根据SUV变化梯度对点云进行分类并标注，并划分训练集、验证集及测试集；基于Kd‑Net的网络构架，构建深度学习模型；基于训练集及验证集，对深度学习模型进行训练，调整模型参数；基于优化的模型参数和测试集，对优化的深度学习模型进行性能评估，得到训练好的深度学习模型；将待预测肿瘤数据集输入至训练好的深度学习模型中，预测肿瘤放疗反应。本申请提供的预测方法及模型，能够对肿瘤放疗后是否反应进行预测，从而智能辅助医生调整放疗剂量，对患者实施适应性精准放疗决策，减少放疗对患者的危害，提高医生的工作效率和诊疗质量。

本发明授权基于Kd-Net的肿瘤放疗反应预测方法及模型在权利要求书中公布了：1.一种基于Kd-Net的肿瘤放疗反应预测方法，其特征在于，包括以下步骤： 提取肿瘤特征融合形成点云，根据SUV变化梯度对所述点云进行分类并标注，并划分训练集、验证集及测试集； 基于Kd-Net的网络构架，构建深度学习模型； 基于所述训练集及所述验证集，对所述深度学习模型进行训练，调整模型参数，得到优化的深度学习模型和优化的模型参数； 基于优化的模型参数和所述测试集，对优化的深度学习模型进行性能评估，得到训练好的深度学习模型； 将待预测肿瘤数据集输入至所述训练好的深度学习模型中，预测肿瘤放疗反应； 根据SUV变化梯度对所述点云进行分类并标注，包括： 根据SUV变化梯度，对各体素进行分类，得到两大类体素； 根据RatioSUV梯度，将两大类体素划分为14小类体素； 对点云进行分割，完成数据集的准备； 其中，所述对各体素进行分类，得到两大类体素，包括： 判断各体素放疗前的SUV值与放疗中期的SUV值是否满足对应关系； 若是，则将体素归为“有反应”大类，并附加标签“1”； 若否，则将体素归为“无反应”大类，并附加标签“0”； 所述对应关系为： 其中，PreSUV表示单个体素放疗前的SUV值，通过体素的标准摄取值来反映肿瘤的病变程度；MidSUV表示单个体素放疗中期的SUV值；RatioSUV表示单个体素放疗中期SUV值与放疗前SUV值的比值； 根据RatioSUV梯度，将两大类体素划分为14小类体素，包括： 对归为“有反应”大类的体素，其RatioSUV值满足0＜RatioSUV≤0.7，根据RatioSUV取值均分为七个梯度，即0＜RatioSUV≤0.1,0.1＜RatioSUV≤0.2,0.2＜RatioSUV≤0.3,0.3＜RatioSUV≤0.4,0.4＜RatioSUV≤0.5,0.5＜RatioSUV≤0.6,0.6＜RatioSUV≤0.7，根据各体素RatioSUV值将其划分到对应的RatioSUV梯度，即将归为“有反应”大类的体素再划分为7小类体素，但其标签不变； 对归为“无反应”大类的体素，其RatioSUV值满足RatioSUV＞0.7，根据RatioSUV取值分为七个梯度，即0.7＜RatioSUV≤0.8,0.8＜RatioSUV≤0.9,0.9＜RatioSUV≤1.0,1.0＜RatioSUV≤1.1,1.1＜RatioSUV≤1.2,1.2＜RatioSUV≤1.3,1.3＜RatioSUV，根据各体素RatioSUV值将其划分到对应的RatioSUV梯度，即将归为“无反应”大类的体素再划分为7小类体素，但其标签不变； 基于Kd-Net的网络构架，构建深度学习模型，包括： 构建Kd-Net的网络主体构架；其中，Kd-Net的网络主体构架包括多个Kd卷积层和一个全连接层；Kd-Net的网络主体构架通过前向传播得到输出值，并将所述输出值转换为概率值，计算损失值及相关预测评估指标； 构建Kd-Net的网络前构架； 基于Kd-Net的网络前构架，将训练集和测试集转换为结构化的Kd-tree数据，并将Kd-tree数据输入至Kd-Net网络主体构架中进行训练，调整模型参数，实现模型最优，根据输入验证集所得的最低损失值，得到深度学习模型； 在将Kd-tree数据输入至Kd-Net网络主体构架中进行训练之前，还包括： 将所述Kd-tree数据转化为tensor变量，并将所述tensor变量进行转置作为Kd-Net网络主体构架的输入。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。