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！

龙图腾网恭喜江南大学;江南大学附属医院申请的专利基于深度学习CT影像组学的结直肠癌生存期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：CN112309576B 。

龙图腾网通过国家知识产权局官网在2025-01-14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：202011005022.9，技术领域涉及：G16H50/70；该发明授权基于深度学习CT影像组学的结直肠癌生存期预测方法是由潘祥;王孝磊;胡曙东;张衡;吕天旭;谢振平;刘渊设计研发完成，并于2020-09-22向国家知识产权局提交的专利申请。

本基于深度学习CT影像组学的结直肠癌生存期预测方法在说明书摘要公布了：本发明公开了一种基于深度学习CT影像组学的结直肠癌生存期预测方法。属于医学图像处理技术领域。具体步骤：1、获取数据；2、对CT影像组学数据进行结直肠肿瘤区域标注；3、对获取数据进行预处理；4、构建基于深度神经网络的特征学习模型；5、利用Lasso回归对结直肠癌CT影像组学深度高通量特征降维，建立患者的风险评分模型；6、根据风险评分分组；7、曲线及特征有效性验证；8、构建深度神经网络多任务逻辑回归DNN‑MTLR模型进行生存期概率预测；本发明在得到病人拍摄CT图像后导入系统分析，结果可为医师特别是年轻经验不足的放射科医生提供参考，以便更好地了解病人病情并进行下一步决策。

本发明授权基于深度学习CT影像组学的结直肠癌生存期预测方法在权利要求书中公布了：1.基于深度学习CT影像组学的结直肠癌生存期预测方法，其特征在于，具体步骤包括如下：步骤1.1、获取数据：所述的数据包括临床数据和CT影像组学数据；步骤1.2、对CT影像组学数据进行结直肠肿瘤区域标注；步骤1.3、对获取数据进行预处理；步骤1.4、构建基于深度神经网络的特征学习模型，得到结直肠癌CT影像组学数据的深度高通量特征；步骤1.5、利用Lasso回归对结直肠癌CT影像组学数据的深度高通量特征降维，并建立患者的风险评分模型；步骤1.6、根据患者的影像组学风险评分S,使用影像组学标签评分值的中值得到截断值T，将患者分为生存期高风险组和生存期低风险组；步骤1.7、对得到的深度高通量特征使用绘画KM曲线并采用数据分析软件进行曲线评估与验证；步骤1.8、构建深度神经网络多任务逻辑回归模型进行生存期概率预测。

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江南大学;江南大学附属医院，其通讯地址为：214000 江苏省无锡市滨湖区蠡湖大道1800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”。