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！

龙图腾网恭喜立本医疗器械(成都)有限公司申请的专利基于PTR-TOF-MS的肺癌筛查模型构建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：CN118983078B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411120869.X，技术领域涉及：G16H50/20；该发明授权基于PTR-TOF-MS的肺癌筛查模型构建方法是由段忆翔;黄燕;杨燕婷;岳寒露;吴向伟;赵忠俊设计研发完成，并于2024-08-15向国家知识产权局提交的专利申请。

本基于PTR-TOF-MS的肺癌筛查模型构建方法在说明书摘要公布了：本发明基于PTR‑TOF‑MS的肺癌筛查模型构建方法，包括步骤：A.呼出气样本采集；B.通过PTR‑TOF‑MS设备对采集的呼出气样本全谱分析，形成谱图样本；C.数据预处理：包括对获得的谱图样本进行各种数据常规预处理和相关计算，选择出适合的特征；D.构建模型：构建集成学习模型，基分类器对每个特征的增益重要性排序，构成集成学习模型的特征集；将逻辑斯蒂回归模型与集成学习模型共同形成一个综合的肺癌筛查预测模型；E.模型性能评估：通过混淆矩阵对肺癌筛查预测模型的性能进行预测，再筛选出表现最佳的肺癌筛查预测模型。本发明选出的特征大多数都具有显著性差异，能够作为潜在的肺癌标志物，对肺癌筛查具有积极意义。

本发明授权基于PTR-TOF-MS的肺癌筛查模型构建方法在权利要求书中公布了：1.基于PTR-TOF-MS的肺癌筛查模型构建方法，其特征为：包括步骤：A.呼出气样本采集：采集设定时间范围内确诊的肺癌呼出气样本、正常呼出气样本和结节呼出气样本，将正常呼出气样本与结节呼出气样本定义为非癌症呼出气样本；B.通过PTR-TOF-MS设备对采集的每个呼出气样本进行全谱分析，获得每个呼出气样本的谱图数据，形成谱图样本；C.数据预处理：包括对获得的谱图样本进行数据清洗、缺失值均值填充处理、异常值删除、通过标定气体将谱图样本的数据校正在同一个水平分布、环境背景扣除及峰面积计算，将谱图样本分为训练集、验证集和测试集，以及选择出适合的特征；包括：将谱图样本中所有定性的VOCs的峰值以下的面积归一化到0，1区间，经过数据处理生成数据矩阵，以设定的比例将谱图样本分为训练集、验证集和测试集，然后对数据进行校正；对数据进行校正时，计算每天的标定气体数据在指定质荷比范围内的峰面积和标气面积，进而得到每个呼出气样本校正后的每个质荷比的面积数据，然后选择出设定质荷比面积范围内的所有特征；步骤包括：计算每天的标定气体的质荷比在[78.7，79.4]范围内的峰面积，将质荷比强度低于90的值设置为0；再计算质荷比_79的标气面积：设置标准数值，将该标准数值除以每天标定气体为质荷比_79的面积的商作为系数值，最后将每次呼出气样本的每个质荷比的面积乘以对应时间的系数值，得到每个呼出气样本校正后的每个质荷比的面积数据，选择质荷比_15到质荷比_249区间范围的所有特征，删除质荷比_94的特征，同时删除对于峰面积为0的数量占比超过90%的特征；D.构建模型：构建集成学习模型，通过贝叶斯优化调整集成学习模型的基分类器的超参数，得到最佳的模型参数组合；集成学习模型的基分类器根据每个特征的信息增益重要性选取信息增益重要性前N个最重要的特征，构成集成学习模型的特征集，其中N为预设的自然数；将所述特征集中的特征应用到逻辑斯特回归模型中，所述逻辑斯特回归模型与集成学习模型共同形成一个综合的肺癌筛查预测模型；E.模型性能评估：通过混淆矩阵和肺癌筛查预测模型的受试者工作特征曲线，筛选出表现最佳的肺癌筛查预测模型。

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立本医疗器械(成都)有限公司，其通讯地址为：611900 四川省成都市彭州市五贤东路1号4栋1单元1楼1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”。