公开(公告)号：CN118098566A

公开(公告)日：2024-05-28

申请号：CN202410227381.0

申请日：2024-02-29

Applicant: 东北大学 ,  中国医科大学附属盛京医院

Inventor： 代茵 ,  雷昂之 ,  王晓彬 ,  王慧涵

IPC: G16H50/20 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明提供一种基于深度学习的显微取精结果预测方法。该方法包括：获取数据集；数据集为患者的检查信息；对数据集进行预处理；按照预设比例将预处理后的数据集划分为训练集、验证集和测试集；搭建深度学习网络模型；深度学习网络模型由多层感知机组成；多层感知机由输入层、隐藏层和输出层组成；将训练集输入深度学习网络模型进行训练，将验证集输入训练后的深度学习网络模型进行优化，保存最终优化后的深度学习网络模型；将测试集输入最终优化后的深度学习网络模型进行患者的显微取精结果的预测，得到患者显微取精的预测结果。本发明使用深度学习方法并综合患者的各项检查指标去预测显微取精结果，大大地提升了显微取精结果的预测准确度，进而帮助医生更好地为患者制定治疗策略。

公开(公告)号：CN119008020A

公开(公告)日：2024-11-22

申请号：CN202411048022.5

申请日：2024-08-01

Applicant: 东北大学

Inventor： 王晓彬 ,  刘月 ,  王慧涵 ,  代茵

IPC: G16H50/50 ,  G06F18/24 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供一种基于Cross‑FiBiNet的无精症手术决策分类方法。该方法包括：获取数据集；对数据集进行预处理；将预处理后的数据集按照患者的临床激素指标、患者的染色体信息和患者的基因信息分成三个不同的field；将分成三个不同的field后的数据集划分为训练集、验证集和测试集；搭建Cross‑FiBiNet网络模型；将训练集输入Cross‑FiBiNet网络模型进行训练，将验证集输入训练后的Cross‑FiBiNet网络模型进行优化，保存最终优化后的Cross‑FiBiNet网络模型；将测试集输入最终优化后的Cross‑FiBiNet网络模型进行患者的无精症手术决策分类结果的预测，得到预测结果。本发明有效地利用患者的临床激素指标、患者的基因信息、以及患者的染色体信息，构建一个精准的无精症手术方案预测模型，实现对患者无精子症诊断模式的预测。

公开(公告)号：CN119008020B

公开(公告)日：2025-02-25

申请号：CN202411048022.5

申请日：2024-08-01

Applicant: 东北大学

Inventor： 王晓彬 ,  刘月 ,  王慧涵 ,  代茵

IPC: G16H50/50 ,  G06F18/24 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供一种基于Cross‑FiBiNet的无精症手术决策分类方法。该方法包括：获取数据集；对数据集进行预处理；将预处理后的数据集按照患者的临床激素指标、患者的染色体信息和患者的基因信息分成三个不同的field；将分成三个不同的field后的数据集划分为训练集、验证集和测试集；搭建Cross‑FiBiNet网络模型；将训练集输入Cross‑FiBiNet网络模型进行训练，将验证集输入训练后的Cross‑FiBiNet网络模型进行优化，保存最终优化后的Cross‑FiBiNet网络模型；将测试集输入最终优化后的Cross‑FiBiNet网络模型进行患者的无精症手术决策分类结果的预测，得到预测结果。本发明有效地利用患者的临床激素指标、患者的基因信息、以及患者的染色体信息，构建一个精准的无精症手术方案预测模型，实现对患者无精子症诊断模式的预测。