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和系统

    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

    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。

    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和系统

    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

    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。

    一种预测螺旋断层放疗计划的γ通过率的方法

    公开(公告)号:CN114925904A

    公开(公告)日:2022-08-19

    申请号:CN202210535779.1

    申请日:2022-05-17

    Abstract: 本发明公开了一种预测螺旋断层放疗计划的γ通过率的方法,用于验证TOMO Helical放疗计划的γ通过率,包括肿瘤患者计划信息数据库建立,数据预处理,标签数据剥离,数据归一化,特征选择,分割训练集、测试集,回归模型建立,模型训练以及回归模型评估。本发明的方法能够一定程度上代替传统的胶片、半导体、电离室探测器等验证方式,解决传统验证方式对摆位精确性的依赖,以及对一次性使用胶片的经济成本、人力物力、时间成本、机器运行成本的耗费,可以提升机器运转效率。

    一种预测螺旋断层放疗计划的γ通过率的方法

    公开(公告)号:CN114925904B

    公开(公告)日:2024-10-25

    申请号:CN202210535779.1

    申请日:2022-05-17

    Abstract: 本发明公开了一种预测螺旋断层放疗计划的γ通过率的方法,用于验证TOMO Helical放疗计划的γ通过率,包括肿瘤患者计划信息数据库建立,数据预处理,标签数据剥离,数据归一化,特征选择,分割训练集、测试集,回归模型建立,模型训练以及回归模型评估。本发明的方法能够一定程度上代替传统的胶片、半导体、电离室探测器等验证方式,解决传统验证方式对摆位精确性的依赖,以及对一次性使用胶片的经济成本、人力物力、时间成本、机器运行成本的耗费,可以提升机器运转效率。

Patent Agency Ranking