買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉常熟市第一人民醫(yī)院申請(qǐng)的專利基于機(jī)器學(xué)習(xí)的ERCP術(shù)后膽總管結(jié)石復(fù)發(fā)預(yù)測(cè)系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120072320B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510534076.0，技術(shù)領(lǐng)域涉及：G16H50/30；該發(fā)明授權(quán)基于機(jī)器學(xué)習(xí)的ERCP術(shù)后膽總管結(jié)石復(fù)發(fā)預(yù)測(cè)系統(tǒng)是由陳健;徐曉丹;王甘紅;夏開建;高福利;劉羅杰;丁雨設(shè)計(jì)研發(fā)完成，并于2025-04-27向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于機(jī)器學(xué)習(xí)的ERCP術(shù)后膽總管結(jié)石復(fù)發(fā)預(yù)測(cè)系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)的ERCP術(shù)后膽總管結(jié)石復(fù)發(fā)預(yù)測(cè)系統(tǒng)，包括如下步驟：數(shù)據(jù)采集模塊，用于形成原始臨床數(shù)據(jù)集；數(shù)據(jù)預(yù)處理模塊，用于構(gòu)建標(biāo)準(zhǔn)化預(yù)處理臨床數(shù)據(jù)集；特征構(gòu)建與超參數(shù)搜索空間定義模塊，用于定義改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型的超參數(shù)搜索空間；改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型構(gòu)建模塊，用于輸出復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)值；灰狼優(yōu)化超參數(shù)調(diào)優(yōu)模塊，最終生成優(yōu)化后的改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型；模型訓(xùn)練與預(yù)測(cè)模塊，用于根據(jù)預(yù)測(cè)概率與術(shù)后關(guān)鍵指標(biāo)構(gòu)建風(fēng)險(xiǎn)分類規(guī)則；個(gè)體化結(jié)果輸出模塊，用于將預(yù)測(cè)結(jié)果輸出，并將預(yù)測(cè)結(jié)果推送至醫(yī)生端。本發(fā)明在實(shí)際部署中對(duì)高風(fēng)險(xiǎn)個(gè)體的早期識(shí)別具有顯著臨床價(jià)值。

本發(fā)明授權(quán)基于機(jī)器學(xué)習(xí)的ERCP術(shù)后膽總管結(jié)石復(fù)發(fā)預(yù)測(cè)系統(tǒng)在權(quán)利要求書中公布了：1.一種基于機(jī)器學(xué)習(xí)的ERCP術(shù)后膽總管結(jié)石復(fù)發(fā)預(yù)測(cè)系統(tǒng)，其特征在于，包括如下模塊： 數(shù)據(jù)采集模塊，用于采集患者在ERCP術(shù)前、術(shù)中及術(shù)后階段的多維臨床數(shù)據(jù)，形成原始臨床數(shù)據(jù)集； 數(shù)據(jù)預(yù)處理模塊，用于對(duì)原始臨床數(shù)據(jù)集執(zhí)行預(yù)處理操作，構(gòu)建標(biāo)準(zhǔn)化預(yù)處理臨床數(shù)據(jù)集； 特征構(gòu)建與超參數(shù)搜索空間定義模塊，用于基于標(biāo)準(zhǔn)化預(yù)處理臨床數(shù)據(jù)集構(gòu)建術(shù)前、術(shù)中及術(shù)后分階段特征向量，并定義改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型的超參數(shù)搜索空間； 改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型構(gòu)建模塊，用于構(gòu)建改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型，輸出復(fù)發(fā)風(fēng)險(xiǎn)預(yù)測(cè)值； 灰狼優(yōu)化超參數(shù)調(diào)優(yōu)模塊，構(gòu)建醫(yī)學(xué)引導(dǎo)初始化種群，并執(zhí)行多輪灰狼優(yōu)化搜索，獲得最優(yōu)超參數(shù)配置，最終生成優(yōu)化后的改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型； 模型訓(xùn)練與預(yù)測(cè)模塊，用于利用優(yōu)化后的改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型對(duì)標(biāo)準(zhǔn)化新患者臨床數(shù)據(jù)進(jìn)行前向預(yù)測(cè)，輸出復(fù)發(fā)概率值，并根據(jù)預(yù)測(cè)概率與術(shù)后關(guān)鍵指標(biāo)構(gòu)建風(fēng)險(xiǎn)分類規(guī)則； 個(gè)體化結(jié)果輸出模塊，用于將預(yù)測(cè)結(jié)果按照高風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)等級(jí)進(jìn)行分層輸出，并將預(yù)測(cè)結(jié)果推送至醫(yī)生端； 所述特征構(gòu)建與超參數(shù)搜索空間定義模塊，包括： 基于標(biāo)準(zhǔn)化預(yù)處理臨床數(shù)據(jù)集Dpreprocessed，提取每位患者的臨床時(shí)序特征向量將所有患者的特征向量按時(shí)間順序組合，構(gòu)建二維輸入特征數(shù)據(jù)集，二維輸入特征數(shù)據(jù)集具有N行、d列的結(jié)構(gòu)，N表示患者數(shù)量，d表示每位患者的標(biāo)準(zhǔn)化特征維度； 將二維輸入特征數(shù)據(jù)集轉(zhuǎn)化為按時(shí)間步劃分的序列格式，設(shè)定時(shí)間步長(zhǎng)度為T，將每一位患者的特征向量按照時(shí)間戳劃分為T個(gè)連續(xù)的時(shí)間步輸入，每個(gè)時(shí)間步輸入包含一個(gè)與標(biāo)準(zhǔn)化特征維度d一致的特征向量； 建立改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型的超參數(shù)搜索空間Θ，所述超參數(shù)搜索空間包括網(wǎng)絡(luò)層數(shù)θ1、每層隱藏單元數(shù)θ2、學(xué)習(xí)率θ3、dropout率θ4及批處理規(guī)模θ5； 為每一個(gè)超參數(shù)θj∈Θ設(shè)定對(duì)應(yīng)的初始搜索范圍； 所述灰狼優(yōu)化超參數(shù)調(diào)優(yōu)模塊，包括： 依據(jù)標(biāo)準(zhǔn)化預(yù)處理臨床數(shù)據(jù)集提取與膽總管結(jié)石術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)顯著相關(guān)的關(guān)鍵醫(yī)學(xué)特征集合Frisk，關(guān)鍵醫(yī)學(xué)特征集合包括術(shù)中取石總數(shù)、術(shù)后TBiL變化率、術(shù)后ALT峰值及術(shù)后7日復(fù)查結(jié)果，構(gòu)建特征強(qiáng)度向量vmed； 基于特征強(qiáng)度向量vmed，引入醫(yī)學(xué)特征引導(dǎo)初始化機(jī)制，生成優(yōu)化種群初始化偏移矩陣Δinit，并將優(yōu)化種群初始化偏移矩陣注入灰狼算法初始種群的生成過程： 其中，ω為偏移強(qiáng)度權(quán)重，為標(biāo)準(zhǔn)均勻初始化超參數(shù)個(gè)體，優(yōu)化種群初始化偏移矩陣Δinit由vmed映射生成，使高風(fēng)險(xiǎn)醫(yī)學(xué)特征所對(duì)應(yīng)的超參數(shù)優(yōu)先進(jìn)入搜索空間，M為灰狼優(yōu)化算法中的種群規(guī)模； 將搜索空間按臨床階段進(jìn)行分區(qū)，構(gòu)建階段分層收斂策略，定義種群中每個(gè)灰狼個(gè)體的搜索狀態(tài)標(biāo)簽根據(jù)搜索狀態(tài)標(biāo)簽動(dòng)態(tài)控制更新步長(zhǎng)因子設(shè)術(shù)后高風(fēng)險(xiǎn)階段優(yōu)先保持全局搜索能力： 其中，Tmax為最大迭代次數(shù)，a0為初始步長(zhǎng)控制因子，t表示灰狼優(yōu)化算法中的當(dāng)前迭代次數(shù)索引； 基于訓(xùn)練集和驗(yàn)證集，對(duì)每一組候選超參數(shù)構(gòu)建風(fēng)險(xiǎn)敏感動(dòng)態(tài)適應(yīng)度函數(shù)： 其中，AUCval表示模型在驗(yàn)證集上的ROC曲線下面積，SENpost表示模型在術(shù)后階段樣本上的復(fù)發(fā)靈敏度，λ為平衡系數(shù)； 按照灰狼優(yōu)化策略，從當(dāng)前種群中選擇最優(yōu)個(gè)體、次優(yōu)個(gè)體、次次優(yōu)個(gè)體，設(shè)其位置分別為則更新第m個(gè)個(gè)體的位置為： 其中，為當(dāng)前個(gè)體與三優(yōu)個(gè)體的歐氏距離組合量； 重復(fù)迭代執(zhí)行全局搜索，直至達(dá)到最大迭代輪數(shù)Tmax或滿足適應(yīng)度變化小于預(yù)設(shè)閾值∈的收斂條件，最終獲得最優(yōu)超參數(shù)配置Θ*； 將最優(yōu)超參數(shù)配置應(yīng)用于雙向門控循環(huán)單元網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)最終訓(xùn)練任務(wù)進(jìn)行全局優(yōu)化，將最優(yōu)超參數(shù)配置應(yīng)用于改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型，對(duì)預(yù)處理臨床數(shù)據(jù)集進(jìn)行迭代訓(xùn)練，直至改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型訓(xùn)練達(dá)到預(yù)設(shè)停止準(zhǔn)則，獲得優(yōu)化后的改進(jìn)雙向門控循環(huán)單元網(wǎng)絡(luò)模型。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人常熟市第一人民醫(yī)院，其通訊地址為：215500 江蘇省蘇州市常熟市書院街1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。