公开(公告)号：CN114266729A

公开(公告)日：2022-04-01

申请号：CN202111434814.2

申请日：2021-11-29

Applicant: 厦门大学附属第一医院

Inventor： 陈思嘉 ,  石丽婉 ,  李涛 ,  高翔 ,  康峥 ,  李夷民 ,  林勤

IPC: G06T7/00 ,  G06K9/62 ,  G06V10/764 ,  G06V10/776 ,  G06V10/774 ,  G06V10/54

Abstract: 本发明提供一种基于机器学习的胸部肿瘤放疗后放射性肺炎预测方法，包括：获取患者数据；将患者数据中非数字的特征进行数字化，并进行特征缺失值预测和冗余特征去除，得到预处理后的患者数据；将预处理后的患者数据分为训练集和测试集，训练生成改进的支持向量机模型；使用测试集计算工作特征曲线ROC曲线的曲线下面积AUC来评估模型的精度；将需要预测的患者相关数据输入验证通过模型，对放射性肺炎发生进行预测。本发明提供的方法能够结合大量医疗案例数据库，结合患者的临床信息、剂量信息、CT影像组学等多种因素，更加快速、直观地预测胸部肿瘤患者放疗后的放射性肺炎发生情况。

公开(公告)号：CN114266729B

公开(公告)日：2024-12-03

申请号：CN202111434814.2

申请日：2021-11-29

Applicant: 厦门大学附属第一医院

Inventor： 陈思嘉 ,  石丽婉 ,  李涛 ,  高翔 ,  康峥 ,  李夷民 ,  林勤

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/776 ,  G06V10/774 ,  G06V10/54

Abstract: 本发明提供一种基于机器学习的胸部肿瘤放疗后放射性肺炎预测方法，包括：获取患者数据；将患者数据中非数字的特征进行数字化，并进行特征缺失值预测和冗余特征去除，得到预处理后的患者数据；将预处理后的患者数据分为训练集和测试集，训练生成改进的支持向量机模型；使用测试集计算工作特征曲线ROC曲线的曲线下面积AUC来评估模型的精度；将需要预测的患者相关数据输入验证通过模型，对放射性肺炎发生进行预测。本发明提供的方法能够结合大量医疗案例数据库，结合患者的临床信息、剂量信息、CT影像组学等多种因素，更加快速、直观地预测胸部肿瘤患者放疗后的放射性肺炎发生情况。