买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学湘雅二医院申请的专利一种适用于多种癌症的患者生存预后预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118039162B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410378048.X，技术领域涉及：G16H50/30；该发明授权一种适用于多种癌症的患者生存预后预测方法是由梁青春;潘良睿设计研发完成，并于2024-03-29向国家知识产权局提交的专利申请。

本一种适用于多种癌症的患者生存预后预测方法在说明书摘要公布了：本发明公开了一种适用于多种癌症的患者生存预后预测方法，包括以下步骤：步骤1、获取患者的病理学图像和分子数据，分子数据至少包括基因序列拷贝数变异数据和基因序列突变数据；步骤2、提取病理学图像中的信息；步骤3、通过混合注意编码器来获取分子数据的特征；步骤4、采用三重掩码编码器来重建缺失的特征信息；步骤5、构建多模态癌症生存预后预测模型，训练后，将获得的患者的所有特征信息导入预测模型中，最终得到患者的生存预测。本发明通过针对不同模态数据采用了针对性的特征提取方法，并有效处理模态数据缺失，实现了更准确的生存预测。

本发明授权一种适用于多种癌症的患者生存预后预测方法在权利要求书中公布了：1.一种适用于多种癌症的患者生存预后预测方法，其特征在于，包括以下步骤：步骤1、获取患者的病理学图像和分子数据，分子数据至少包括基因序列、拷贝数变异数据和基因序列突变数据；步骤2、提取病理学图像中的信息；具体包括：步骤2.1、构建病理学图像大中小视场的空间拓扑图结构，获取细胞层面、组织层面和肿瘤异质性层面的特征；步骤2.2、将大中小视场下的病理学图结构特征进行交叉融合的学习并获取不同视野下图特征之间的跨尺度上下文关系；所述步骤2.2中，包括以下具体步骤：先使用图卷积神经网络分别对小、中和大视场下的图像特征进行特征提取，然后再把提取后的特征保存到GP′中，并传递给Transformer；Transformer编码器从GP′中获取丰富的语义信息，即GP″；设置残差连接将特征GP′和GP″进行信息传递和特征融合；然后对大视场得到的特征和中视场得到的特征进行融合，对中视场得到的特征和小视场得到的特征进行融合，再让大中小视场的特征相融合；步骤3、通过混合注意编码器来获取分子数据的特征；所述步骤3中，混合注意编码器包括上下文注意力模块、通道注意力模块和全局注意力模块；所述上下文注意力模块包括离散小波变换、长短时神经网络和多头注意力机制；所述离散小波变换采用多贝希小波；在上下文注意力模块中首先采用多贝希小波对输入的分子数据进行预处理；然后利用长短时神经网络对分子测序数据的特征提取，并同时使用多头注意力机制获得分子数据的局部注意力特征；再通过通道注意力模块引入分子数据的全局信息，来计算通道注意力的权重；最后，通过全局注意力模块采用多头自注意力机制再对合并的特征进行特征提取；步骤4、采用三重掩码编码器来重建缺失的特征信息；所述步骤4中，三重掩码编码器包括非对称的编码器和解码器，其中编码器包括并联的三个Transformer，解码器包括交叉注意力层和自注意力层；三重掩码编码器将掩蔽不同模态信息的特征作为输入，通过编码器和解码器的学习，利用掩码令牌的上下文关系和未掩码特征的语义信息来重建缺失的特征细节；步骤5、构建多模态癌症生存预后预测模型，训练后，将获得的患者的所有特征信息导入预测模型中，最终得到患者的生存预测；所述步骤5中，构建的多模态癌症生存预后预测模型中包括模态特征混合模块，模态特征混合模块包括两层感知机和归一化层，每个感知机中包含两个完全连接层来混合不同模态的信息和通道的边缘信息，以促进多模态之间的全面交互；然后将交互后的特征重新分开并结合之前的特征得到最后的模态输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学湘雅二医院，其通讯地址为：410011 湖南省长沙市芙蓉区人民中路139号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。