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！

龍圖騰網恭喜中山大學孫逸仙紀念醫院深汕中心醫院;中山大學孫逸仙紀念醫院申請的專利一種腫瘤放療患者癥狀管理與預后評估方法及系統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：CN119153099B 。

龍圖騰網通過國家知識產權局官網在2025-06-17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：202411611865.1，技術領域涉及：G16H50/30；該發明授權一種腫瘤放療患者癥狀管理與預后評估方法及系統是由李玉鳳;邱玉婷;李托瑞;陳雅潔;陳潔設計研發完成，并于2024-11-13向國家知識產權局提交的專利申請。

本一種腫瘤放療患者癥狀管理與預后評估方法及系統在說明書摘要公布了：本發明公開了一種腫瘤放療患者癥狀管理與預后評估方法及系統，涉及腫瘤放療患者管理技術領域，包括：獲取腫瘤放療患者的基本信息，根據所述基本信息進行預后評估，生成第一結果，根據所述第一結果判斷風險類別；獲取腫瘤放療患者的癥狀信息，根據所述癥狀信息評估癥狀嚴重程度，生成第二結果；根據所述第二結果和所述風險類別進行癥狀管理，同時生成預后數據，通過所述預后數據更新所述第一結果。本發明通過融合雙重對比學習網絡與雙路徑決策樹集成模型，實現了腫瘤放療患者多維度醫療數據的動態關聯分析和自適應特征增強，從而為臨床實踐提供精準化的預后評估和個性化的癥狀管理方案。

本發明授權一種腫瘤放療患者癥狀管理與預后評估方法及系統在權利要求書中公布了：1.一種腫瘤放療患者癥狀管理與預后評估方法，其特征在于，包括： 獲取腫瘤放療患者的基本信息，根據所述基本信息進行預后評估，生成第一結果，根據所述第一結果判斷風險類別； 獲取腫瘤放療患者的癥狀信息，根據所述癥狀信息評估癥狀嚴重程度，生成第二結果； 根據所述第二結果和所述風險類別進行癥狀管理，同時生成預后數據，通過所述預后數據更新所述第一結果； 其中，根據所述基本信息進行預后評估，生成第一結果，包括如下步驟： 構建患者特征矩陣，將所述基本信息中的數值型特征和類別型特征分別進行標準化處理和編碼轉換，生成標準化特征矩陣； 構建雙重對比學習網絡對所述標準化特征矩陣進行特征增強，生成增強特征矩陣； 基于所述增強特征矩陣，通過集成樹模型進行預后評估建模并輸出第一結果； 所述構建患者特征矩陣，將所述基本信息中的數值型特征和類別型特征分別進行標準化處理和編碼轉換，生成標準化特征矩陣，包括如下步驟： 將患者基本信息構建為包含人口學特征向量、疾病相關特征向量、治療相關特征向量、既往病史特征向量、生活方式特征向量，以及實驗室檢查特征向量的原始特征矩陣X； 對原始特征矩陣X中的數值型特征采用基于時間衰減的Z-score標準化處理： ； 其中，為第j個特征的標準化值；為待評估患者的第j個特征的原始值；為待評估患者的第j個特征的均值；為歷史患者的第j個特征的標準差；為當前時間點；為歷史患者的數據采集時間點；為時間衰減系數； 對原始特征矩陣X中的類別型特征采用加權目標編碼轉換： ； 其中，為類別c的編碼值，為類別c中第r個歷史患者的目標變量值，為類別c的歷史患者數量，為第r個歷史患者的時間權重系數，通過如下公式計算： ； 其中，為時間權重衰減系數，其取值范圍為[0.2,0.6]；為第r個歷史患者的數據采集時間點； 將標準化處理后的數值型特征值和編碼轉換后的類別型特征值按照原始特征的對應位置重新組合，生成標準化特征矩陣A： ； 其中，為第i個待評估患者的第j個標準化特征值，若第j個特征為數值型特征，則；若第j個特征為類別型特征，則； 所述雙重對比學習網絡包括全局對比學習模塊和局部對比學習模塊； 其中，全局對比學習模塊的損失函數為： ； 其中，為第i個待評估患者的特征表示；為第i個待評估患者的正匹配歷史患者對應的特征表示；為第v個負匹配歷史患者的特征表示；為余弦相似度函數；為全局溫度參數，取值范圍為[0.1,1.0]；N為負匹配歷史患者數量； 其中，局部對比學習模塊的損失函數為： ； 其中，為待評估患者的局部特征表示；為第w個近鄰歷史患者的局部特征表示；為第z個非近鄰歷史患者的局部特征表示；K為近鄰歷史患者數量；M為非近鄰歷史患者數量；為局部溫度參數。

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中山大學孫逸仙紀念醫院深汕中心醫院;中山大學孫逸仙紀念醫院，其通訊地址為：516621 廣東省汕尾市城區東涌鎮站前橫二路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”。