買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜立本醫療器械(成都)有限公司申請的專利基于PTR-TOF-MS的肺癌篩查模型構建方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118983078B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411120869.X，技術領域涉及：G16H50/20；該發明授權基于PTR-TOF-MS的肺癌篩查模型構建方法是由段憶翔;黃燕;楊燕婷;岳寒露;吳向偉;趙忠俊設計研發完成，并于2024-08-15向國家知識產權局提交的專利申請。

本基于PTR-TOF-MS的肺癌篩查模型構建方法在說明書摘要公布了：本發明基于PTR?TOF?MS的肺癌篩查模型構建方法，包括步驟：A.呼出氣樣本采集；B.通過PTR?TOF?MS設備對采集的呼出氣樣本全譜分析，形成譜圖樣本；C.數據預處理：包括對獲得的譜圖樣本進行各種數據常規預處理和相關計算，選擇出適合的特征；D.構建模型：構建集成學習模型，基分類器對每個特征的增益重要性排序，構成集成學習模型的特征集；將邏輯斯蒂回歸模型與集成學習模型共同形成一個綜合的肺癌篩查預測模型；E.模型性能評估：通過混淆矩陣對肺癌篩查預測模型的性能進行預測，再篩選出表現最佳的肺癌篩查預測模型。本發明選出的特征大多數都具有顯著性差異，能夠作為潛在的肺癌標志物，對肺癌篩查具有積極意義。

本發明授權基于PTR-TOF-MS的肺癌篩查模型構建方法在權利要求書中公布了：1.基于PTR-TOF-MS的肺癌篩查模型構建方法，其特征為：包括步驟：A.呼出氣樣本采集：采集設定時間范圍內確診的肺癌呼出氣樣本、正常呼出氣樣本和結節呼出氣樣本，將正常呼出氣樣本與結節呼出氣樣本定義為非癌癥呼出氣樣本；B.通過PTR-TOF-MS設備對采集的每個呼出氣樣本進行全譜分析，獲得每個呼出氣樣本的譜圖數據，形成譜圖樣本；C.數據預處理：包括對獲得的譜圖樣本進行數據清洗、缺失值均值填充處理、異常值刪除、通過標定氣體將譜圖樣本的數據校正在同一個水平分布、環境背景扣除及峰面積計算，將譜圖樣本分為訓練集、驗證集和測試集，以及選擇出適合的特征；包括：將譜圖樣本中所有定性的VOCs的峰值以下的面積歸一化到0，1區間，經過數據處理生成數據矩陣，以設定的比例將譜圖樣本分為訓練集、驗證集和測試集，然后對數據進行校正；對數據進行校正時，計算每天的標定氣體數據在指定質荷比范圍內的峰面積和標氣面積，進而得到每個呼出氣樣本校正后的每個質荷比的面積數據，然后選擇出設定質荷比面積范圍內的所有特征；步驟包括：計算每天的標定氣體的質荷比在[78.7，79.4]范圍內的峰面積，將質荷比強度低于90的值設置為0；再計算質荷比_79的標氣面積：設置標準數值，將該標準數值除以每天標定氣體為質荷比_79的面積的商作為系數值，最后將每次呼出氣樣本的每個質荷比的面積乘以對應時間的系數值，得到每個呼出氣樣本校正后的每個質荷比的面積數據，選擇質荷比_15到質荷比_249區間范圍的所有特征，刪除質荷比_94的特征，同時刪除對于峰面積為0的數量占比超過90%的特征；D.構建模型：構建集成學習模型，通過貝葉斯優化調整集成學習模型的基分類器的超參數，得到最佳的模型參數組合；集成學習模型的基分類器根據每個特征的信息增益重要性選取信息增益重要性前N個最重要的特征，構成集成學習模型的特征集，其中N為預設的自然數；將所述特征集中的特征應用到邏輯斯特回歸模型中，所述邏輯斯特回歸模型與集成學習模型共同形成一個綜合的肺癌篩查預測模型；E.模型性能評估：通過混淆矩陣和肺癌篩查預測模型的受試者工作特征曲線，篩選出表現最佳的肺癌篩查預測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人立本醫療器械(成都)有限公司，其通訊地址為：611900 四川省成都市彭州市五賢東路1號4棟1單元1樓1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。